被困在考场里的大模型
被困在考场里的大模型昨天，大名鼎鼎的 Claude 4.8 发布了。 科技圈照例是一片欢呼。 看官方放出来的一堆评测数据，依然是碾压级别的，尤其是说代码（Coding）能力有了史诗级的提升，简直像交了一份满分答卷。
来自主题: AI资讯
8345 点击 2026-05-30 10:50
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
昨天，大名鼎鼎的 Claude 4.8 发布了。 科技圈照例是一片欢呼。 看官方放出来的一堆评测数据，依然是碾压级别的，尤其是说代码（Coding）能力有了史诗级的提升，简直像交了一份满分答卷。
Bloomberg 曝出重磅消息：Trump 政府正在起草一份全新 AI 安全行政令。草案中没有强制模型测试条款，也不会要求前沿 AI 模型在发布前获得政府批准，取而代之的核心方向是「自愿合作」。从 Biden 时代的强制红队测试报告机制，到如今强调企业自愿参与网络防御——美国 AI 安全监管正在经历一次路线级别的转向。
全网AI交白卷的地狱级基准，被GPT-5.5拿下一血！开局0源码盲写程序，拉满推理算力直接满血通关。传统代码测试已废，通往ASI的算力狂飙正式打响。
SWE-Bench 的创建者，刚刚又放出了一个地狱级新 benchmark。
SWE-Bench上能拿72%的模型，换张考卷直接归零！Meta联合斯坦福、哈佛放出ProgramBench，200个项目从零手写，9大顶级模型完整通过率0%。最强的Claude Opus 4.7平均通过率也才51.2%。更离谱的是一联网，就有模型在36%的任务里跑去GitHub扒源码。
近日，ARC Prize 官方发布了针对这两款顶级模型的详细分析报告，结果令人震惊：在面对未见过的逻辑任务时，两者的表现得分均低于 1%，GPT-5.5 得分 0.43%，Claude Opus 4.7 得分 0.18%。
当大模型训练进入深水区，竞争的关键已经不再只是「模型参数怎么调」，而逐渐转向一个更核心、也更难系统解决的问题：模型在训练过程中究竟看到了什么数据、以什么比例看到、哪些样本应该被更频繁地学习。
Midjourney 今天凌晨突然在 Alpha 平台上线 V8 模型测试版，速度暴涨5倍，支持原生2K分辨率，文本渲染大幅改进。官方推文12小时内狂揽131万浏览。但有用户花6小时测试后发现：RAW模式翻车，抽象艺术创作反而更难了。这次更新是王者归来，还是另有隐情？
AI，是色盲吗?
AI 语音模型测试第三弹。