IT之家提供最新科技资讯，涵盖硬件、软件等多领域，界面清爽，内容专业。
IT之家 7 月 14 日消息，曜越现已在官网上架耀影 SWAFAN 120 EX INFINITY ARGB 系列风扇木纹版，相应产品主要在风扇四角及侧面提供了木纹纹理，本身可选黑白两种主体配色，定价为 2990 新台币（IT之家注：现汇率约合 630.9 元人民币）。 该产品号称是“曜越首款融入…
DRACO评测揭晓：OpenSquilla多模型集成方案成本更低、质量更高，GPT-5.6-sol新入榜。
实测K8s工作流，区分真正好用的AI DevOps工具与营销噪音
I've been testing a bunch of AI tools in my Kubernetes workflow over the past few months and wanted to share what's genuinely changed my day-to-day vs…
最新模型对决爆冷门，重新定义2026年AI竞赛格局，产品战略与模型实力深度碰撞。
The most interesting model comparison of 2026 isn't a benchmark table. It's a product exec quietly changing the question everyone asks about models — …
本周三款限免/特惠游戏《新星群岛》《纹身大亨》《公主农夫》值得一领，附带多款口碑佳作评测。
本周 Epic 共送出 2 款电脑游戏、1 款手机游戏，分别是《新星群岛 / Nova Lands》《纹身大亨 / Tattoo Tycoon》以及《公主农夫 / Princess Farmer》。 电脑游戏 《新星群岛 / Nova Lands》 这是一款融合工厂自动化、资源采集、岛屿探索与基地建
OpenAI揭秘热门编码基准测试的缺陷，重新审视AI模型评估的可靠性
A new analysis from OpenAI reveals issues in SWE-Bench Pro, a popular coding benchmark, raising concerns about reliability and accuracy in evaluating …
行业权威SWE-Bench被OpenAI揭短：约30%测试任务存在缺陷，8个月通过率飙升3倍多，AI编程能力评估面临重建。
IT之家 7 月 9 日消息，OpenAI 昨日（7 月 8 日）发布博文， 挑战行业权威评测基准 SWE-Bench Pro，认为在 731 个公开测试任务中，约 30% 存在评测缺陷。 IT之家注：SWE-Bench Pro 是由 Scale AI 推出的大语言模型与 AI 智能体编程能力评测基…
Claude Fable 5 综合评分领先 DeepSeek V4 Pro 12分，但单任务成本是后者的百倍以上，引发效率与成本的深度博弈。
IT之家 7 月 9 日消息，科技媒体 The Decoder 昨日（7 月 8 日）发布博文，报道称 Artificial Analysis 新增 6 个行业指数测试， Anthropic 的 Claude Fable 5 模型横扫榜单，全部位列第 1 名。 Artificial Analysis…
阿里摘得ACL 2026最佳资源论文奖，以Agent评测新范式突破AI前沿，国内独一份。
实测DeepSeek、Qwen、Kimi、GLM四款AI API在生产环境下的表现，带p99延迟监控和负载均衡实战对比。
DeepSeek vs Qwen vs Kimi vs GLM: Which AI API Actually Wins in 2025? I've spent the last decade designing systems that need to stay up no matter what.…
13款本地LLM跑分对比，Qwen3.6在行政任务中表现最优，唯一通过PDF转日历测试。
Article URL: https://www.aai-labs.com/en/research/local-llm-benchmark-administrative-tasks Comments URL: https://news.ycombinator.com/item?id=48809994…
智能汽车配置对比工具，快速对比MG07等车型参数与配置差异，支持图片和规格查询，助你选车一目了然。
IT之家 7 月 6 日消息，上汽 MG 今日宣布， 上汽名爵 MG 07 将在 7 月 29 日开启预售 ，新车定位“年轻人的智能纯血轿跑”。 据介绍，新车尺寸为 4886×1900×1485mm、轴距 2825mm，前脸采用一体冲压蚌式机盖 + 曲面切割悬浮前大灯组设计，尾部采用掀背式溜背造型设…
腾讯开源混元 Hy3 模型，效果比肩 2-5 倍参数的大模型，前端、数据存储等场景表现突出
IT之家 7 月 6 日消息，腾讯混元官方今日宣布，继 4 月底发布 Hy3 preview 后，通过反馈修复了各种体验问题，进一步提升了后训练的质量和规模。 今日正式发布并开源 Hy3 模型 。 据介绍，Hy3 基于 preview 版本进一步提升了后训练数据的质量和多样性，扩大了 RL 算力规模…
本地运行、对比和管理大模型评测包的桌面工具，开源免费。
Article URL: https://github.com/stevibe/BenchLocal Comments URL: https://news.ycombinator.com/item?id=48804450 Points: 1 # Comments: 1
复旦大学学生出题让AI得零分，这场“人考AI”的期末考试创新展现了人机博弈的新玩法。
IT之家 7 月 5 日消息，据复旦大学消息，复旦大学“数据挖掘技术”课程近日结束了一场特殊的期末考试。这场考试中，学生不但没有坐在考场里答题，还全部成了出题人。 IT之家获悉，学生需要用自己设计的 10 道题去“考倒”三个 AI 模型， AI 答错的题越多、被难倒的模型越强，出题学生的得分就越高。…
用妻子主观感受测评LLM，幽默又真实，排名结果意想不到。
She watched me look at model rankings and asked what do the numbers mean... I literally had no good way of explaining it to her so I just came up with…
隐私优先的AI助手Lumo 2.0来了，能否挑战ChatGPT？实测对比告诉你答案
Proton's AI assistant now has image generation and deep-thinking capabilities.
GPT-5挑战Scrum认证考试，实证准确率研究新发现
arXiv:2607.00049v1 Announce Type: cross Abstract: Large Language Models (LLMs) are increasingly used in Agile Software Development for documentation, …
30天实测Claude Code与Copilot，看AI编程助手谁更懂你的代码库
I've been coding with AI assistants for two years. Started with Copilot in 2023. Switched to Claude Code last month. After 30 days of using Claude Cod…
AI模型评测平台Arena推出企业级服务仅8个月，年度经常性收入破1亿美元，商业模型获初步验证。
IT之家 6 月 30 日消息，AI 模型评测平台 Arena 宣布，其企业级模型评测服务 AI Evaluations 上线仅 8 个月，年度经常性收入（Annualized Run-Rate Revenue，即“每年通过客户订阅合同产生的可预测、重复性收入”）已突破 1 亿美元（IT之家注：现汇…