#评测

共 121 篇带此标签

121 篇文章 最新 2026-11-14
往期 · #评测 共 11 篇
大模型

Gemini 4 Hydrogen 速报:Agent 工作流怎么测

Google 发布 Gemini 4 Hydrogen。官方链接登上 Hacker News 首页,获 467 points、298 条评论。现有素材未给出具体版本号、上下文长度、价格和 benchmark,本文先讨论 Agent 团队该如何验证长任务、工具调用、上下文管理与失败恢复。

2026-11-13 来源 2026-11-12 8 分钟 147 次浏览
大模型

Ripple-65B 登顶:Agent 编程真变了吗?

Ripple-65B 宣称在美国市场的开放权重模型中达到 Agentic Coding SOTA。本文不复述榜单,而是给出可复现的仓库级测试方法,检查完成率、成本、工具调用与人工接管次数。

2026-11-05 来源 2026-11-04 7 分钟 147 次浏览