Benchmark

Page 1 of 2

(17 items)

tool Jul 17, 2026

當最強的 AI 依然會「看錯」圖片：PerceptionBench 帶來的視覺現實震撼我們常有一種錯覺，覺得現在的大型語言模型連複雜的程式碼都能寫了，看懂一張圖片應該是輕而易舉的 …

tool Jun 16, 2026

AI 助手真的懂人類嗎？解析 VitaBench 2.0 測試平台與長效記憶盲區現在的人工智能助手在執行明確指令時已經非常厲害了。無論是寫程式碼、算數學，還是預訂機票，只要指令夠 …

tool May 29, 2026

告別主觀盲猜！AI 生圖品質怎麼評？全面解析 Qwen-Image-Bench 與專屬裁判 Q-Judger 隨著文字生成圖像技術越來越普及，一個不可避免的難題浮出了水面。誰來決定 …

探索DMflow.chat，立即開啟AI驅動的客戶服務新時代。

tool Dec 2, 2025

當大型語言模型開始挑戰「視覺程式碼」，誰才是真正的贏家？本文深入解析 Claude Sonnet 4.5、GPT-5.1、Gemini 3.0 等 9 款頂尖 AI …

tool Nov 5, 2025

Google DeepMind 在其 Gemini 模型於國際數學奧林匹亞（IMO）競賽達到金牌標準後，正式發布 IMO-Bench。這不只是一個評測工具，更是一套推動 AI …

tool Oct 21, 2025

當我們以為大型語言模型（LLM）驅動的 AI 智慧體（Agent）無所不能時，美團 LongCat 團隊發布的最新評測基準 VitaBench 卻給了整個產業一記當頭棒喝。這項堪 …

Scribis: 字幕編輯、語音轉錄文字、即時顯示轉錄文字。

tool Oct 9, 2025

探索最新的 AI 模型任務完成度評測報告 TaskBench。令人驚訝的是，Gemini 2.5 Flash 等模型在特定任務上的表現超越了許多知名的大型模型。本文將深入解析評測 …

tool Sep 10, 2025

我們總以為 AI 無所不能，但一個簡單的類比時鐘卻讓 Google Gemini 和 OpenAI GPT-5 等頂尖模型紛紛敗下陣來。最新的 ClockBench 基準測試顯 …

tool Sep 2, 2025

AI 總是不夠「聽話」？美團發布全新指令遵循評測基準 Meeseeks，透過獨特的多輪糾錯機制，深度評估 AI 模型是否能真正理解並執行複雜指令。 …

Scribis: 字幕編輯、語音轉錄文字、即時顯示轉錄文字。

tool Aug 21, 2025

AI 寫程式碼的能力越來越強，但我們如何知道誰才是真正的王者？騰訊混元推出的 AutoCodeBench 是一個全新、高難度的評測基準，涵蓋 20 種程式語言。本文將深入解析其技 …