基准实验室

阿里通义千问团队在推出Qwen3.5-397b的旗舰模型后，于2月25日带来了Qwen3.5 中型模型系列的更新。与以往“更大参数=更强能力”的惯性思维不同，这次官方打出了“More intelligence, less compute”（更聪明的智能，更少的算力）的旗号。 该系列包含三款开源模型及一项托管服务： 其中，Qwen3.5-35B-A3B 凭借仅…

文章导读： Anthropic深夜突袭，发布“史上最强Sonnet”——Claude Sonnet 4.6。这款中端模型以较高的性价比实现了接近Opus的旗舰级性能，实测显示，Sonnet 4.6 在多模态识别与办公任务中竟反向超越旗舰 Opus 4.6，但在深度逻辑推理上仍存差距。本文通过多维度基准测试与编程实战，揭秘这款“性价比新王”的真实实力，以及Op…

文章导读： 谷歌深夜突袭发布 Nano Banana 2，主打 Pro 级画质与 Flash 级速度的完美融合。本期实测通过人物特写、街头摄影、海报设计等六大维度评测，硬核对比 Nano Banana 2 与字节跳动 Seedream 5.0 。结论先行：Nano Banana 2 降维打击，在光影质感与审美表现上呈现压倒性优势，世界知识理解依然抗打，但在中…

文章导读： 2月12日，MiniMax 发布最新模型 M2.5，主打编程、办公与复杂 Agent 任务，性能对标顶尖闭源模型，速度提升至 100 TPS，价格仅为竞品 1/10。通过多维度实测发现：M2.5 在代码生成与功能完整性上表现惊艳，能独立完成从需求到交互的全流程开发；但在处理模糊需求、审美判断等“人性化”场景时仍显生硬，细节打磨不足。整体而言，M2…

导读： 谷歌于2月20日推出Gemini 3.1 Pro，以Sparse MoE架构和Deep Think深度思考模式为核心升级，支持100万Token上下文输入与64K输出上限。302.AI已接入模型API，本期实测涵盖逻辑数学、人类直觉、多模态推理及前端编程四大维度。测试结果显示，Gemini 3.1 Pro强势登顶302 Bench Lab的多模态模型…

12日凌晨，智谱 AI 正式发布新一代旗舰级基础模型 GLM-5——上周以“Pony Alpha”的匿名身份在OpenRouter上爆火的SOTA级神秘模型，终于露出了真容。 基于官方文档，对GLM-5 模型进行总结： 📊 核心参数 参数项 数据 模型规模 744B总参数（40B激活参数） 预训练数据 28.5T tokens 前代对比 GLM-4.5: 3…

导读：快手可灵Kling 3.0系列模型上线，主打“人人皆导演”的全链路创作。本文对Kling O3进行了多场景实测。结果显示，该模型在镜头调度与人物演技上表现卓越，特定领域已达“以假乱真”的商用级水准；但在指定风格还原、音乐生成及高速运动伪影方面仍有提升空间。对于创作者而言，Kling O3优势明显，但需明确其能力边界，方能最大化利用。 中国各大AI公司在…

文章导读：2026年开年，大模型战火重燃。Anthropic重磅推出Claude Opus 4.6，在维持原价的基础上，实现了100万token上下文、编程效能与推理深度的升级。302.AI第一时间接入实测，通过逻辑、多模态及编程模拟等实测，检验其是否具备“肉眼可见”的进化。实测显示，Opus 4.6不仅在代码生成上表现出优秀的连贯性，更展现出独特的“产品架…

文章导读：通义Z-Image基础版发布，与Grok-Imagine-Image一同挑战“美学大师”Midjourney。本次测评聚焦水墨、动漫等六大流派的“美学”对决。结果显示：Z-Image以稳健的商业美学和精准指令忝居高位；Grok凭借侵略性的视觉张力在动感场景中脱颖而出；而Midjourney虽在文字与逻辑上有短板，却依然是无法撼动的审美天花板。这场评…

文章导读：AI音乐赛道长期由Suno霸榜，但2026年初，MiniMax Music 2.5的更新让战局再生悬念。本文通过四大曲风实战，深度对比了MiniMax与Suno V5。实测发现，MiniMax在人声质感、段落级控制及版权宽松度上表现惊人，甚至在金属、嘻哈等领域实现了反超；但其纯音乐功能的缺失与“洗脑”旋律创作力的不足，仍使其难以完全取代Suno。这…