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
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的可信度，再次被锤。
来自主题: AI技术研报
6725 点击 2025-05-02 17:56
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
大模型竞技场的可信度，再次被锤。
作为学术研究项目，原加州大学伯克利分校的Chatbot Arena，其网站已成为访客试用新人工智能模型的热门平台，现正转型为独立公司。
知名 Chatbot 及各种 AI 工具箱产品 Monica 最近推出了国内版Monica.cn，基于 DeepSeek R1 与 V3模型，并且具备实时联网搜索与记忆能力。
唯一限制超级应用吞噬 AI 生态的，可能只有算力了。
这款产品就是百度文库联合百度网盘最新推出的自由画布。在众多1V1对话式Chatbot竞相升级的大潮中，自由画布却另辟蹊径，宣称要“为用户提供一个全方位的创作空间”，让内容创作的全流程得以在同一个平台多线程并行处理，且支持多模态。
就在国内各家大模型厂商趁年底疯狂卷的时候，太平洋的另一端也没闲着。 就在今天，谷歌发布了 Gemini 2.0 Flash Thinking 推理模型的加强版，并再次登顶 Chatbot Arena 排行榜。
约尔最近邀请了几位神秘嘉宾参与了一期关于 AI 搜索的讨论。本号不追热点，只聊只写基于实践的观察和思考哈。
不知不觉之中，我们身边已经充斥着 AI 了。
用来运行 Llama 3 405B 优势明显。
基于评测维度，考虑到各评测集关注的评测维度，可以将其划分为通用评测基准和具体评测基准。