#評測/基準
RSS 訂閱#評測/基準
RSS
Arena.ai@arena品質評分3737
Arena.ai@arena品質評分4444OpenAI News品質評分4242 Hebbia 用 GPT-6 Astra 幫金融研究找資料、做簡報
銀行員評估收購案時,得從大量財報、合約和簡報裡找答案,還要把資料整理成符合公司格式的簡報。Hebbia 的 Matrix 能把答案連回原始檔案;測試中,GPT-6 Astra 會挑出相關資料來源,再依照使用者的架構和要求製作 PowerPoint 投影片。舉例來說,面對約 2,000 個檔案,它能協助整理客戶集中度、合約條款和營收流失情況,並在投影片附上可追查的來源。Hebbia 的測試顯示,99.5% 的引用段落都和問題相關,簡報也符合 97.9% 的適用要求。這能減少找資料和重做簡報的時間,讓銀行員把心力放在評估交易上。
Artificial Analysis@ArtificialAnlys精選品質評分6060
推薦理由:AA-Robotics v0.1 比較 11 個模型完成六項任務的表現,並列出 GPT-6.2 Astra 的指令數與得分結果。
Artificial Analysis@ArtificialAnlys品質評分4242
Artificial Analysis@ArtificialAnlys品質評分4646
Arena.ai@arena品質評分4444
Artificial Analysis@ArtificialAnlys品質評分4545
Artificial Analysis@ArtificialAnlys品質評分4747
Artificial Analysis@ArtificialAnlys品質評分3636
Cognition@cognition精選品質評分7676推薦理由:FrontierCode 2.0 用是否該合併程式碼變更來評估模型,並列出 Gemini 4 Neon 的分數與每項任務成本,方便比較其表現與花費。
LMSYS Org Blog精選品質評分7474 Ant International 團隊如何加速 DeepSeek-V4.1-Flash 在 H20-3e 上的推論
DeepSeek-V4.1-Flash 在 H20-3e 上處理長提示時,等待第一個回答的時間佔了很大一部分。Ant International 團隊調整分開處理提示與生成回答的部署方式,也改進了多個運算步驟;在 8 張 GPU 的測試中,平均完成時間從 13.63 秒降到 4.70 秒,每秒輸出量從 847 個 token 增至 2,465 個。團隊也測試了 4 張 GPU 同機處理的配置,平均完成時間從 18.62 秒降到 7.96 秒。這些結果顯示,不同部署方式的速度和吞吐量各有差異,適合用來比較實際工作負載下的取捨。
推薦理由:這組測試比較 DeepSeek-V4.1-Flash 在 H20-3e 上的分拆與同機部署,呈現延遲和吞吐量如何隨配置改變。
Arena.ai@arena品質評分4949
Artificial Analysis@ArtificialAnlys品質評分4343
Arena.ai@arena品質評分3939
Artificial Analysis@ArtificialAnlys品質評分5757
Artificial Analysis@ArtificialAnlys精選品質評分6060
推薦理由:這份評測把 Kling Image 4.0 與前代及榜上模型比較,呈現它在文字生圖、圖片編輯和價格上的位置。
Artificial Analysis@ArtificialAnlys品質評分4141
Arena.ai@arena精選品質評分6464推薦理由:這份榜單把 GPT-6.2 Astra 和 Sol 的任務分數與每項任務成本放在一起比較,能看出兩款模型在表現和花費上的差異。
Artificial Analysis@ArtificialAnlys精選品質評分7070推薦理由:這份評測比較 Gemini 4 Neon 與 Carbon 的任務成本和完成時間,也拆出價格與輸出速度對差異的影響,方便衡量效能和花費。
LMSYS Org Blog精選品質評分6868 Humming 整合 SGLang,讓低位元 MoE 模型跑得更快
大型 MoE 模型需要存放大量專家權重,怎麼在省記憶體的同時加快運算,是實際部署時的難題。Humming 把低位元權重接上專用運算核心,整合到 SGLang 後,仍由 SGLang 負責分派工作,Humming 負責處理輸入和矩陣運算。文章在 8 張 H20-3e GPU 上測試 DeepSeek-V4.1-Flash-1017:相同 A16 精度下,長上下文輸入的速度比 Marlin 快 1.07 到 1.23 倍;改用 FP8 專家運算也能提高部分測試的輸出速度。這些結果只適用於文中測試的設定,不能直接代表其他模型或工作負載。
推薦理由:文章比較 Humming 在不同精度與專家分流設定下的速度,並交代測試條件,能看出加速幅度會隨工作負載與設定改變。
Arena.ai@arena精選品質評分6868推薦理由:Arena 的排名與每項任務中位成本,呈現 Gemini 4 Neon (High) 和其他模型在表現與費用上的差距。
Arena.ai@arena品質評分3636
Arena.ai@arena品質評分4949
Artificial Analysis@ArtificialAnlys品質評分3535
Arena.ai@arena品質評分4747Hugging Face Blog精選品質評分7878 作者用 Transformers 在 32 GB Mac 上執行 180B MoE 模型
大型 MoE 模型的專家權重很佔空間,往往放不進一般筆電的記憶體。作者替 Transformers 加上串流載入方式,只從 SSD 讀取模型當下挑中的專家,並用有限大小的快取保留常用部分;其他權重和 n-gram 資料也分別處理,讓 Qwen3.8-Flash-Next 能在 32 GB 的 Mac 上執行。經過調整後,短文字生成速度是每秒 13.9 個 token,和 Strata 的每秒 14.8 個接近。作者也指出,剩下的速度差距主要和 Python 與 GPU 之間的等待有關。
推薦理由:作者比較多種 MoE 推論引擎,並實測如何只載入當下用到的專家,讓大型模型在 32 GB Mac 上運作。
Arena.ai@arena品質評分4242
Artificial Analysis@ArtificialAnlys品質評分3838
Higgsfield AI 🧩@higgsfield_ai品質評分3939
Artificial Analysis@ArtificialAnlys精選品質評分6868
推薦理由:AA-3D比較模型製作互動式 3D 場景的能力,並以 152 次兩兩投票呈現 GPT-6.2 Astra 與其他模型的比較結果。
Arena.ai@arena精選品質評分6161
推薦理由:這場實測涵蓋 3D 場景、動畫、網站、遊戲與資料圖表,可用來瞭解比較範圍和各模型的初步表現。
Baseten@baseten品質評分4949
Arena.ai@arena精選品質評分6969推薦理由:Arena 比較 MAI-Image-2.7 與前一版在多種圖片任務的名次,也列出每張 $0.035 的價格,方便了解效能與成本的取捨。
Artificial Analysis@ArtificialAnlys精選品質評分7676
推薦理由:AA-Robotics v0.1 的分數比較與真實機械手臂測試,呈現模型在基準表現和實際操作任務上的差異。
Artificial Analysis@ArtificialAnlys品質評分5555
Artificial Analysis@ArtificialAnlys精選品質評分7373
推薦理由:Artificial Analysis 比較兩款模型在影像編輯與文字生成圖片的表現和價格,可看出不同任務下品質與費用的取捨。
Arena.ai@arena品質評分5252
Artificial Analysis@ArtificialAnlys品質評分4343
Artificial Analysis@ArtificialAnlys品質評分5050