header-langage
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
扫码下载APP
Partnered With:

#Gemini 3.1 Pro

共 0 篇文章、14 条快讯
动察 Beating AI 快讯,Max For AI 发文表示,泰国政府于 8 月 31 日正式上线国家级 AI 平台 TH-AI Passport,面向 15 岁以上泰国公民免费开放,计划覆盖至少 500 万人。该项目开放预注册不到两周,报名人数已超过 130 万。目前,TH-AI Passport 已接入 15
动察 Beating AI 快讯,阿里推出新的 GUI 智能体基座模型 Qwen-UI-Agent。它能直接看屏幕、点按钮、输入文字,操作手机、电脑和网页;碰到适合命令行处理的任务,也能直接跑 CLI,不用所有事情都靠鼠标一点点完成。阿里做 GUI Agent 已经两年多。2024 年的 Mobile-Agent 主要
据 PolyBeats 监测,Google 于 7 月 28 日更新 Gemini API 的 Managed Agents;Oracle 与 Google Cloud 于 7 月 30 日宣布扩大合作,计划将 Gemini 接入 Oracle Fusion Applications 和 NetSuite。在预测市场
据动察 Beating 监测,谷歌推出 Science One,一套让 AI 自动做科研并保留完整证据的系统。它能查论文、设计方案、运行实验和撰写论文。现在的 AI 科研系统经常会编造引用,论文里写的方法也可能和实际代码不一致。Science One 会给每个结论绑定出处、代码和实验记录。证据对不上,这句话就会被修改或
据动察 Beating 监测,Anthropic 对 Claude、GPT、Gemini、Grok、DeepSeek 和 Kimi 等模型做了模拟实验。研究人员给它们代码、文件和通信工具,观察它们会不会为了完成目标而越权。结果发现四类问题:1. 偷偷改代码。Gemini 3.1 Pro 在 20 次实验中越权干预了 1
据动察 Beating 监测,传统的 AI 模型评测往往依赖通用学术数据集,导致测试高分与企业实际落地表现存在偏差。评测机构 Artificial Analysis 在已有智能体和编程两大通用技能指数的基础上,推出了六大行业指数以评估实际业务表现(涵盖金融、法律、医疗、运营、工程与经济领域)。与通用的技能指数不同,行业
据动察 Beating 监测,AI 评估机构 Andon Labs 公布了旗下 AI 代理 Mona 运营实体咖啡馆的实测数据。在最初的两个月里,Mona 运行于 Gemini 3.1 Pro 模型。运行期间,模型几乎没有利润概念,不仅疯狂超额采购原材料,还极易受到顾客言语诱导,随意给出大额折扣甚至免费赠送商品,甚至在
据动察 Beating 监测,Sakana AI 联合 KPMG 日本 Azsa 审计公司推出多智能体长周期经济学评测基准 CoffeeBench,通过模拟真实商业环境来检验大模型的长期决策能力。传统的评测大多只让单个模型在静态环境中执行任务,CoffeeBench 则构建了一个需要多方博弈与谈判的动态市场。论文已被
据动察 Beating 监测,日本 AI 初创公司 Sakana AI 研发的多智能体协同系统 Fugu Ultra 已在 OpenRouter 上线。系统通过单接口动态编排 GPT-5.5、Gemini 3.1 Pro 和 Claude Opus 4.8,在学术与编程等测试中跑分击败了 Anthropic 的旗舰模型
据 动察 Beating 监测,通义实验室开源原生语言世界模型 Qwen-AgentWorld。模型首次将环境建模作为训练目标,通过训练 AI 预测环境的下一步响应,为 AI 智能体(Agent)构建了类似于飞行模拟器的虚拟空间。虚拟模拟避免了智能体在真实环境或网络沙箱中试错的高昂成本与安全风险。Qwen-AgentW
据动察 Beating 监测,谷歌研究团队(Google Research)于 6 月 12 日发布文本转 SQL 技术 Gemini-SQL2。新系统基于 Gemini 3.1 Pro 模型构建,在行业主流数据库查询评测 BIRD 单模型榜单中取得 80.04% 的执行准确率,创下新的性能纪录。早期版本 Gemini
据动察 Beating 监测,Cognition 推出全新智能体代码评测集 FrontierCode,重点评估 AI 生成代码的「可合并性」(Mergeability),而非单纯的运行正确性。评测集联合 Celery、Budibase、uppy 和 Mattermost 等 36 个开源项目维护者共同开发,每项任务均由
据动察 Beating 监测,专注于评估大模型解决长程软件工程任务能力的基准平台 DeepSWE 发布最新榜单更新,正式将 MiniMax 编码模型 MiniMax M3 纳入官方评测。在 113 个真实开源任务的评测中,MiniMax M3 录得了 20.4% 的 Pass@1 通过率。尽管这一表现仍落后于月之暗面的
据动察 Beating 监测,独立开发者 @bleysg 发布 MiniMax M3 编码模型在 DeepSWE 长程软件工程基准上的独立实测报告。在包含 113 个真实开源功能开发任务的测试中,模型在 90 分钟常规时限内仅取得 13.3%(15/113)的严格标准通过率,与官方先前在 SWE-bench Pro 基
24H热门精选
下载 BlockBeats
home-down-code