Chuyển đến nội dung chính

Tất cả công cụ AI

Đánh giá mô hình AI

Tổng hợp các sản phẩm AI nổi bật trong lĩnh vực đánh giá mô hình AI, bao phủ các nhu cầu sáng tạo, xử lý và nâng cao hiệu suất.

EvaOmniĐánh giá mô hình AIEvaOmni là bộ tiêu chuẩn đánh giá mô hình ngôn ngữ lớn đa phương thức toàn diện do Đại học Giao thông Thượng Hải, Đại học Phúc Đán, Tencent YouTu và các bên khác phát hành mã nguồn mở, gồm 392 video thực tế và 1.027 câu hỏi-trả lời được gán nhãn thủ công, bao phủ 15 năng lực và 3 cấp độ suy luận. EvaOmni cần đồng...00LifeValĐánh giá mô hình AILifeVal là một tiêu chuẩn đánh giá do OpenAI phát triển, dùng để đo lường khả năng AI hỗ trợ mọi người hoàn thành các công việc hằng ngày. LifeVal dựa trên Khảo sát sử dụng thời gian của Hoa Kỳ, Nghiên cứu sử dụng thời gian đa quốc gia và một khảo sát đại diện với 3995 người...00MOSS-LiveĐánh giá mô hình AIMOSS-Live là hệ thống tương tác thời gian thực song công toàn phần do Mosi Intelligence phát triển. MOSS-Live cho phép AI vừa nghe vừa nói như người thật, phán đoán ở cấp độ ngữ nghĩa khi nào nên phản hồi, chờ đợi hoặc chấp nhận ngắt lời, không bị kích hoạt nhầm bởi âm thanh phụ họa và tiếng ồn môi trường; hỗ trợ hình...00BlenderWorldĐánh giá mô hình AIBlenderWorld là benchmark đánh giá Agent sáng tạo 3D do nhóm Qwen phối hợp với Đại học Chiết Giang, CUHK, Phục Đán và NUS phát triển, gồm 223 nhiệm vụ thực tế, kiểm tra khả năng AI tạo ra...00Grok Voice 3.0Đánh giá mô hình AIGrok Voice 3.0 là mô hình chuyển giọng nói sang giọng nói đầu cuối do SpaceXSI phát triển, đứng đầu bảng xếp hạng tổng hợp giọng nói của tổ chức kiểm thử độc lập Artificial Analysis với 86,9 điểm, độ trễ phản hồi dưới 1 giây, chi phí mỗi tác vụ...00Microsoft-Decision-1Đánh giá mô hình AIMicrosoft-Decision-1 là mô hình AI ra quyết định nhanh thế hệ mới do Microsoft phát triển, được thiết kế chuyên biệt cho các nhiệm vụ ra quyết định có cấu trúc. Mô hình có thể chọn phương án tối ưu từ các lựa chọn định trước và gán điểm xác suất cho từng đáp án, giúp các ứng dụng hạ nguồn quyết định thực...00KevĐánh giá mô hình AIKev là họ mô hình ra quyết định do Jared Palmer, Phó Chủ tịch Kỹ thuật của Cognition, phát hành mã nguồn mở. Kev dựa trên Qwen3.5/Qwen3.8, cung cấp nhiều kích thước mô hình từ 0.8B đến 27B. Kev không tạo văn bản mà nhận văn bản trạng thái cùng các câu hỏi có cấu trúc...00WebCraftBenchĐánh giá mô hình AIWebCraftBench là bộ tiêu chuẩn đánh giá khả năng tạo trang web bằng AI do Tencent Hunyuan phối hợp với Đại học Thanh Hoa và Đại học Bắc Kinh phát triển. WebCraftBench trước tiên tự động chèn mã đo lường vào ứng dụng được tạo, để tác nhân sử dụng Playwright trực tiếp thao tác và khám phá chức năng của trang web,...00PixRestoreĐánh giá mô hình AIPixRestore là mô hình khôi phục hình ảnh thống nhất do Đại học Bách khoa Hồng Kông và Viện Nghiên cứu OPPO cùng phát triển. Mô hình sử dụng Diffusion Transformer trong không gian pixel để thực hiện flow matching trực tiếp ở cấp độ pixel, tránh mất chi tiết...00E-Bench – Bộ chuẩn đánh giá tác tử thông minh do Tencent Hunyuan và các bên phát triểnĐánh giá mô hình AIE-Bench là bộ chuẩn đánh giá khả năng sử dụng công cụ qua nhiều bước do nhóm Tencent Hunyuan phối hợp với AIR thuộc Đại học Thanh Hoa và Đại học Đông Nam phát triển. Bộ chuẩn xây dựng môi trường ảo tổng hợp hoàn toàn dựa trên Vương Giả Vinh Diệu, QQ Music và Tencent Meeting, bao gồm 323 tác vụ thay đổi trạng thái và hơn 7.6 vạn dòng dữ liệu. Thông qua thiết kế bất đối xứng kép giữa khoảng trống thông tin và khoảng trống công cụ, E-Bench đánh giá khả năng tác tử chủ động thu thập thông tin và điều phối các lệnh gọi công cụ qua nhiều bước. Kết quả được chấm bằng phép diff trạng thái cơ sở dữ liệu mang tính xác định, ổn định và có thể tái lập. Bộ chuẩn hướng đến các nhà nghiên cứu tác tử AI và nhà phát triển mô hình, hỗ trợ nhận diện những mô hình có hiệu quả chi phí cao và thúc đẩy việc xây dựng tiêu chuẩn đánh giá tác tử tổng quát.00

Tất cả công cụ trong danh mục này được hiển thị.

Đánh giá mô hình AI - AIEZZ