2025年高考已结束，但数学科目难度引发持续讨论。《每日经济新闻》测评了DeepSeek-R1、腾讯混元T1、Grok3等十款AI大模型，使用2025年全国新课标数学I卷。国产模型DeepSeek-R1与腾讯混元T1以零错误并列第一，得分117分；讯飞星火X1以112分紧随其后。Grok3表现不佳，仅获91分，排名倒数第三，因无法正确理解多选题。智谱清言推理模式得78分，位列倒数第二。Kimi k1.5垫底，压轴题失误严重。测评显示，AI在固定逻辑题上能力强，但在创新思维题上仍有局限。

标题：六大主流Agent横向测评，能打的只有两个半 Karpathy 曾说：“未来十年是 Agent 的十年。”这句话听起来像是 VC 的宣传口号，但深思后却发现其言之有理。Token 越来越便宜，MCP 越来越丰富，用户也逐渐接受 AI 的长耗时过程。近半年，Manus、扣子空间、Lovart...

5月28日，权威机构SuperCLUE发布的《中文大模型基准测评2025年5月报告》显示，豆包1.5（Doubao-1.5-thinking-pro）和商汤日日新V6（SenseNova-V6 Reasoner）在国内大模型测评中并列第一，超越Gemini 2.5 Flash Preview。该测评涵盖六大任务，总计1579道多轮简答题。报告指出，国产大模型在中文领域通用能力的竞争格局逐渐明朗，Doubao-1.5-thinking-pro与SenseNova V6 Reasoner表现突出。位居第二梯队的包括DeepSeek-R1、NebulaCoder-V6、Hunyuan-T1及DeepSeek-V3。SuperCLUE作为行业权威测评基准，其报告反映了国内外大模型技术差距的逐步缩小。

今日（26日），红杉中国推出了AI基准测试工具xbench，并同步发布了相关论文。此举旨在评估和推动AI系统能力的上限和技术边界，同时着重量化AI系统在实际应用场景中的效用价值。此消息由《科创板日报》记者陈美报道。

Deep Research类产品深度测评：下一个大模型产品跃迁点到来了吗？ 从2024年末问世的Google Deep Research，到2024年2月以来密集发布的OpenAI Deep Research、Perplexity、xAI Deep Search、Manus，Deep Researc...

中国信息通信研究院启动DeepSeek国产化适配测评工作，旨在为DeepSeek系列模型在多硬件多场景下的适配部署提供参考。该测评将依托AISHPerf人工智能软硬件基准体系及测试工具，面向芯片、服务器、集群等产品开展。测评内容涵盖适配成本、功能完备性、优化效果、性能指标等多方面。测评报名即日开始，2025年2-3月开展，3-4月进行宣传推广。此举推动AI软硬件协同效能提升，强化国产软硬件对大模型的支持能力。

【新闻摘要】 11月1日，市场监管总局宣布，我国首批高端仪器装备计量测评装置研制成功，填补了国内空白。该装置具备完全自主知识产权，技术水平达到国际先进标准，相当于高精密“标尺”，可精准量化验证原子力显微镜、原子钟等高端仪器的关键指标。这将有力推动航空航天、人工智能、生物医药等领域的核心装备实现国产化，加速科技自立自强的步伐。此次成果是我国在高端仪器装备领域的重要突破，标志着我国计量科学进入新阶段。（207字） 【发布于】2023年11月1日

今日直播预告：AI助力设计，轻松实现样品图 在设计过程中，创意虽重要，但还需繁琐步骤：从草图到成品，需经过勾线、上色和环境布置。想象一下，能否在家动动手指，让AI完成这些繁重任务？量子位邀来建筑设计与AI产品经理苗哺雨，将现场测试神采PromeAI的AIGC功能，包括草图渲染、背景生成和AI超模，探...