标签
一位用户在Terminal-Bench 2.0上测试了27B参数Bonsai模型的量化1-bit和2-bit版本，在8GB显存内获得了结果。
Anthropic工程师分享了一份指南和一个会话，讲述如何正确配置Claude模型（Sonnet 5、Fable 5）以适应实际用例、避免过度付费并高效测试模型性能。
用户在一张RTX 3090上测试了Ornith-1.0-35B，发现其推理速度较快（提示处理1560 tok/s，生成约78 tok/s），但在Three.js任务上的编码表现始终不如Qwen 3.6，即使多次尝试也是如此。
DiffusionGemma 的内部测试显示，在实际工作负载下，H100 与 A100 GPU 之间存在显著的性能差异；H100 在并发下的扩展性更好，且效率因工作负载类型而异，这引发了对基准测试可靠性的质疑。
一个轻量级、无依赖的Python CLI工具，用于对本地Ollama模型运行相同提示，并将每次响应保存到磁盘，便于轻松对比模型。
日本银行正在获得OpenAI新模型的早期访问权限以进行安全测试，据称该模型与Anthropic的Claude Mythos相当。
OpenBMB 推出了 BitCPM-CANN，这是一款在华为 Ascend 910B 硬件上测试的 1.58 位模型。
一位开发者通过API在三个实际的机器学习和编程工作流中测试了MiniMax M2.7模型，并评估了其性能。
OpenAI 发布了一份白皮书，详细说明了他们对AI模型进行外部红队测试的方法，包括选择多样化红队成员、确定模型访问权限、提供测试基础设施以及整合反馈以改进AI安全和政策覆盖范围的方法。