Mistral Large 4 生成 SVG 实测
Simon Willison 用 llm 命令行分别调用 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 和 mistral/mistral-large-4，让它们各自生成一张"穿渔网袜在火星上乱穿马路的犰狳"SVG 图片。这一测试源于 wren6991 对基准测试已饱和的调侃。
#评测/基准
#评测/基准
今日 0 条Simon WillisonAI 评分4040
爱范儿AI 评分5858 和 Opus 5.5 同题交卷，MiniMax M3.1 Flash 的前端创作实测
爱范儿用 Opus 5.5 的公开提示词在 MiniMax Code 中实测 MiniMax M3.1 Flash Preview，让它完成动态作品集、手绘与水墨短片、时间轴交互场景以及街机卡丁车等游戏原型。
The DecoderAI 评分6868 Tavus 发布实时对话模型 Griffin，48% 测试者在一分钟视频通话中误认为真人
Tavus 推出 Griffin，公司称其为首个 Human Interaction Model（HIM），可在接收和生成视频的同时处理语音、面部表情、语气、手势和停顿。
雷峰网AI 评分5656 从海拉鲁到现实世界：视频模型如何理解「变化」
雷峰网以三组原创图生视频任务对比 HiDream-O1-Video-1.0、Seedance 2.5 和 MiniMax H3，用同图、同提示词、目标 10 秒的条件检验意图规划、时间因果与音画对应。
雷峰网AI 评分6464 阶跃 Step 5 Preview 实测：用 Claude Code CLI 做 3D 网页游戏
雷峰网上手实测阶跃 Step 5 Preview，以 Claude Code CLI 为工作台，让其调用本机 Blender 生成角色与关卡资产，再用 Three.js/Vite 完成可运行的 3D 迷你网页游戏《星跃岛：能量快递》。
雷峰网AI 评分7171 GPT-6 Astra 首批上手实测：能自检结果、操作 Final Cut Pro，长任务仍会钻细节
雷峰网汇总了 GPT-6 Astra 发布后首批开发者的真实任务实测：有人用 Blender 一周在虚幻引擎里搭出曼哈顿，Theo 用 Blender 在约 30 分钟到 2 小时内做出可直接在浏览器运行的 one-shot 3D 游戏。
爱范儿AI 评分6969 AI 圈新顶流 Space Bunny 实测：涂鸦能生成可交互 3D 网页
爱范儿实测了近日在海外 AI 圈走红的匿名模型 Space Bunny Alpha，其可在 OpenRouter 和 OpenCode 免费调用，模型 ID 分别为 stealth/space-bunny-alpha 和 space-bunny-free。
Hugging Face BlogAI 评分4949 Open ASR Leaderboard 首次加入全球南方语言：Monsoon 印地语与印度英语评测集
Hugging Face 的 Open ASR Leaderboard 新增 Monsoon en-IN 与 Monsoon hi-IN 两个评测集，印地语由此成为该多语言榜单上的首个印度语言。
NVIDIA Developer BlogAI 评分4747 NVIDIA Nemotron 3 Ultra 在智能体 RTL 编码中精度与效率领先开源模型
NVIDIA Nemotron 3 Ultra 在智能体 RTL 编码任务上于精度与效率两项指标领先开源模型。RTL 开发与验证需要专业硬件知识和精确推理，并需反复与 EDA 工具交互。LLM 已加速代码生成，AI 智能体则借助验证反馈迭代纠错，进一步扩大其作用。
Hugging Face BlogAI 评分3939 NVIDIA 开源 Nemotron 3 Nano 30B A3B 完整评测配方，基于 NeMo Evaluator
NVIDIA 发布 Nemotron 3 Nano 30B A3B，并公开用 NeMo Evaluator 库生成的完整评测配方，任何人都能复跑评测流程、检查产物并独立分析结果。
OpenAI News精选AI 评分8484 OpenAI 演示 GPT-5 在办公场景中的应用
OpenAI 发布 GPT-5 办公场景演示，展示该模型如何分析反馈、制定产品计划与原型，并总结后续步骤。
Hugging Face BlogAI 评分4848 Kimina-Prover：在大规模形式推理模型上应用测试时 RL 搜索
Numina 与 Kimi 团队发布定理证明模型 Kimina-Prover-72B，基于 Qwen2.5-72B 并用 Kimi k1.5 的 RL 流程训练，在 miniF2F 基准上以 TTRL 搜索框架达到 92.2% 的 SOTA 通过率。
Hugging Face BlogAI 评分3232 Hugging Face 与 LLM-jp 联合发布日语 LLM 开放排行榜
Hugging Face 与跨机构项目 LLM-jp 合作推出 Open Japanese LLM Leaderboard，用于公开评测日语大语言模型。该排行榜基于超 20 个数据集、覆盖 16 项任务（从自然语言推理、机器翻译到代码生成与数学推理），采用 4-shot 设置，由 llm-jp-eval 评测套件驱动。
Hugging Face BlogAI 评分3434 Hugging Face 推出 Open FinLLM Leaderboard，专注金融大模型评测
Hugging Face 发布 Open FinLLM Leaderboard，一个面向金融领域的专用大模型评测榜单，覆盖信息抽取、文本分析、问答、文本生成、风险管理、预测和决策七大类任务，采用零样本评估且无需微调。评测指标包括 Accuracy、F1 Score、ROUGE Score 和 MCC，任务数据集来自 FinQA、TATQA、ECTSum、EDTSum 等真实金融场景。