68页论文再锤大模型竞技场！Llama4发布前私下测试27个版本，只取最佳成绩
大模型竞技场存在系统问题，包括厂商私下测试多个模型版本、数据访问不平等和排名变化快速。研究团队指出，这可能导致排行榜结果失真，并建议改进策略以提高其可信度。
Chatbot Arena
董小姐造假之后，Chatbot Arena被爆信任危机！
开源AI研究者质疑Chatbot Arena排行榜，指存在暗箱操作和数据获取不平等现象。研究发现大公司享有未公开的测试特权，并从多个变体中挑选表现最佳版本发布，导致排名失真。研究还指出数据分配极不均衡，对开放模型支持不足。这些行为可能误导AI社区，需进行改革以恢复公平性和可信度。
如何使用 Gemma 3 本地部署免费的深度研究 AI 助手
Google 发布的 Gemma 3 是一款轻量级的大语言模型，支持多模态输入、长上下文和多种语言。Gemma 3 在性能与规模之间取得了良好平衡，并且可以在普通笔记本电脑上流畅运行，为用户提供了私密且低成本的 AI 解决方案。
Grok 3：马斯克用20万块GPU砸出的AI革命，OpenAI迎来最危险对手
埃隆·马斯克旗下xAI公司发布Grok 3大模型，性能超越GPT-4。该模型依托20万块H100 GPU数据中心构建，具备DeepSearch信息检索功能、太空轨道计算系统及AI自主开发游戏等能力，引发市场轰动。
马斯克正式发布Grok 3，这回真的把OpenAI干碎了。
Grok3发布会来袭，马斯克宣布其推理能力超越OpenAI。主要分为Grok3和Reasoning两个部分，前者在数学、科学及代码领域表现突出，而后者则在推理方面优于其他模型。此外还推出了Agent工具DeepResearch。马斯克表示X上的Premium用户最早可体验Grok3及其相关功能。
DeepSeek外还有全球屠榜的Qwen 2.5 Max，看下它和o3-mini 的 PK
阿里云Qwen2.5-Max在最新排行榜上位列全球第七，并在数学和编程等领域表现出色。其功能强大且适应能力强，不仅继承了DeepSeek的通用能力优势，还通过垂直领域深耕开辟出差异化赛道。模型采用MoE架构及超大规模数据预训练等技术优化提升性能。
1M长上下文，满血版Gemini 2.0又一次登上Chatbot Arena榜首
谷歌发布Gemini 2.0 Flash Thinking新版本，引入1M长上下文窗口，在Chatbot Arena中再次夺冠。其亮点包括强大的多模态理解和流畅的对话过程，展示了模型在多个领域的强大能力。
推理最强也最快，谷歌发布Gemini 2.0 Flash Thinking，全面超越o1-preview
谷歌发布的新模型Gemini 2.0 Flash Thinking能够在1分钟左右明确展示其思考过程并解决复杂的数学和编程问题，表现出色但有时也会犯错。
谷歌再次称霸！出自伯克利等华人学生项目，竟成世界170+模型竞技场
Chatbot Arena已成为全球最受瞩目的AI系统评测平台，吸引超过170个模型参赛。最新版本的Gemini发布并取得佳绩，引发科技巨头和初创公司争夺榜首。项目采用用户评分的方式进行对比，受到广泛关注。