大部分现有的文档检索基准（如MTEB）只考虑了纯文本。而一旦文档的关键信息蕴含在图表、截图、扫描件和手写标记中，这些基准就无能为力。为了更好的开发下一代向量模型和重排器，我们首先需要一个能评测模型在视觉复杂文档能力的基准集。
第二轮首届大模型对抗赛结果出炉了！o3轻而易举击败o4-mini，拿下100%胜率。Grok 4和Gemini 2.5 Pro激烈对决，最终在加赛中Grok 4成功晋级。明日，Grok 4和o3将迎来终局之战。
全网开扒GPT-oss，惊喜发现…… 奥特曼还是谦虚了，这性能岂止是o4-mini的水平，直接SOTA击穿一众开源模型。
三天不开源，Qwen团队手就痒。 昨天深夜再次放出两个端侧模型： Qwen3-4B-Instruct-2507：非推理模型，大幅提升通用能力 Qwen3-4B-Thinking-2507：高级推理模型，专为专家级任务设计
AI国际象棋对抗？这次玩真的！谷歌Kaggle推出首届全球AI象棋争霸赛，八款顶级语言模型正面对抗，胜负只在一步之间！
你有没有发现，AI 应用生成平台们正在走向一条与大家预期完全不同的路？很多人原本以为这会是一场血腥的零和游戏，大家会在价格战中厮杀到底，最终只剩一家独大。但现实却让人意外：这些平台不但没有互相厮杀，反而开始各自寻找差异化的定位，在不同的细分市场中共存共荣。这让我想起了大语言模型市场的发展轨迹，同样出人意料，同样充满启发。
拒绝“隐形陷阱”。 在互联网行业，尽管“一亏亏几十亿、一做做十几年”，可依赖于智慧交通、自动驾驶和本地生活的考量，地图，大厂一直都在“砸钱”。
当AI智能体（Agent）开发的浪潮涌来，很多一线工程师却发现自己站在一个尴尬的十字路口：左边是谷歌、OpenAI等巨头深不可测的“技术黑盒”，右边是看似开放却暗藏“付费墙”的开源社区。大家空有场景和想法，却缺少一把能打开未来的钥匙。
7月底 Black Forest Labs 和 Krea 合作开发的高级文本到图像生成模型 Flux.1 Krea Dev，最近终于有时间进行测评了。Flux.1 Krea Dev 是基于FLUX.1 dev 模型进行蒸馏的，参数规模12B，专注于提升图像的美学和真实感，避免了常见的 AI 生成痕迹（过度饱和或不自然高光等等），更倾向于追求自然细节、照片级真实感和多样性。
AI模型排行榜分两类：以高考式标准化测试衡量特定能力的客观基准测试（如AAII、MMLU-Pro），以及用户匿名盲测、根据偏好对答案投票排名的人类偏好竞技场（如LMArena）。两者各有优劣和局限性，且排行榜本质是门生意。用户应基于实际需求而非榜单名次选择模型，实用性至上。
