沙丘社区

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 · 9月28日“为什么企业AI需要本体上下文层？”发布本体是提高AI准确性、降低应用成本的关键基础
社区洞察 · 9月24日“OpenAI卷入价格战！GPT-6 Sol与Luna实战能力评测”发布OpenAI降价后的新模型，能打过千问、DeepSeek和智谱吗？
社区洞察 · 9月24日“Grok的性价比，国产模型不答应”发布Grok 4.7实战能力评测
社区洞察 · 9月23日“又强又便宜！Claude Opus 5.5登顶SQBench”发布向行业场景进发！
社区洞察 · 9月22日“平价分析师来啦！MiMo-V2.6-Pro实战能力评测”发布和GLM-5.3“扳手腕”
社区洞察 · 9月21日“上桌？Step 5 Preview实战能力评测”发布阶跃星辰能否进入国产主流模型竞争行列？
社区洞察 · 9月20日“GLM-5.3-FlashX，新晋性价比之王”发布2折费用，3倍速度！
社区洞察 · 9月19日“让豆包新模型干了24小时，效果却不如旧模型？”发布Doubao Seed 2.1 Pro-260915实战能力评测
社区洞察 · 9月18日“追踪2142项AI技术动态后，我们发现最值得关注的不是新模型”发布Harness、真实工作评测与Agent交付正在成为新的技术重点
社区洞察 · 9月17日“DeepSeek真能“斩杀”千问和豆包吗？”发布三款模型实战能力实测结果揭晓！
社区洞察 · 9月16日“DeepSeek V4.1 Flash真的超越V4 Pro了吗？”发布完全替代V4 Pro ？
社区洞察 · 9月15日“本周AI技术跟踪：失效信息将影响Agent记忆可靠性（W37）”发布识别和解读本周值得关注的技术变化
社区洞察 · 9月14日“研究精选：13份报告，聚焦企业AI的成本、落地与组织能力”发布涵盖AI编程、智能体治理、企业本体、交付模式与创新实践
社区洞察 · 9月11日“英伟达给AI加上长期记忆，Agent要拼的不只是智商了”发布英伟达近期公开了一项基于NemoClaw的记忆型Agent实践
社区洞察 · 9月10日“大厂的本体是一回事吗？”发布本体到底是一种新产品，还是知识图谱换了个名字？
社区洞察 · 9月9日“海外AI Coding Agent产品定价研究：Claude Code、Codex、Cursor和GitHub Copilot”发布定价模式正从固定席位费转向按量计费
社区洞察 · 9月8日“Palantir交付模式研究：竞争优势、运行机制与中国企业启示”发布Palantir真正的护城河可能不是软件
社区洞察 · 9月3日“企业Harness实践深度调研：技术成熟度、实践分化与建设路径”发布企业Harness，进入兑现期
社区洞察 · 8月31日“测试智能体驱动质量工程范式革新，腾讯、小红书、58同城实践案例”发布腾讯、小红书、58同城等头部企业测试智能体落地实践
社区洞察 · 8月25日“Data Agent如何企业级落地？邮储银行、恒丰银行、得物、淘宝等实践案例”发布告别传统BI：Data Agent驱动企业数据分析范式革新