沙丘社区

Changelog

更新日志

跟踪 SQBench、模型评测和沙丘社区内容的最新发布。

全部模型评测公告社区洞察
社区洞察 · 8月5日“Agent如何重构投研工作流？申万宏源、昆仑信托等投研智能体建设实践”发布广发证券、申万宏源、昆仑信托、阿里资产等企业投研智能体建设实践
社区洞察 · 8月3日“企业级Coding Agent Harness工程建设指南”发布沙丘智库《企业级Coding Agent Harness工程建设指南》正式发布
社区洞察 · 7月28日“AI Agent知识工程：从企业隐性知识到可靠上下文”发布Agent 如何从“能回答问题”走向“能可靠执行任务”？
社区洞察 · 7月23日“2026年中国Data Agent全景图发布：从问数走向全流程数据智能”发布沙丘智库《2026年中国Data Agent主流厂商市场指南》正式发布
模型评测 · 7月22日Gemini 3.6 Flash (High)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
社区洞察 · 7月22日“Gemini 3.6 Flash实战能力评测：智力没涨，但干活更强？”发布Google史上最差模型？
社区洞察 · 7月21日“Kimi K3实战能力评测：企业该把哪些工作交给它？”发布Kimi K3是实战能力最强模型？
模型评测 · 7月20日GPT-5.6 Sol (Max)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月20日Kimi K3评测结果上线实战能力、可靠度、成本与模型分析页面已更新
社区洞察 · 7月15日“Data Agent深度研究：从技术架构、实施指南到邮储、淘宝、平安人寿等落地实践”发布沙丘智库《2026年企业Data Agent最佳实践报告》
模型评测 · 7月8日DeepSeek-V4-Pro (Max)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日MiniMax-M2.7评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Qwen3.6-Plus评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Qwen3.7-Max评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Qwen3.7-Plus评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Gemini 3.5 Flash (High)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Hy3评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日MiMo-V2.5评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日MiMo-V2.5-Pro评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日GLM-5.1评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日GLM-5.2 (Max)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Doubao-Seed-2.1-turbo (High)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日DeepSeek-V4-Flash (Max)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日DeepSeek-V4-Pro (High)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Kimi K2.6评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Kimi K2.7 Code评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Step 3.5 Flash (High)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Step 3.7 Flash (High)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Doubao-Seed-2.1-pro (High)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日DeepSeek-V4-Flash (High)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日MiniMax-M3评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Gemma 4 31B评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Nemotron 3 Ultra评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Grok 4.3 (High)评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Hy3 Preview评测结果上线实战能力、可靠度、成本与模型分析页面已更新
模型评测 · 7月8日Claude Opus 4.8 (Max)评测结果上线实战能力、可靠度、成本与模型分析页面已更新