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
7051 点击 2025-05-02 17:56
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
大模型竞技场的可信度，再次被锤。
春天，1000 个通用 Agent 正在爆发。 所有的 Chatbot，都在改造成 Agent。技术在迁移，新的技术栈催生了新的产品形态——通用 Agent、Manus、Deep Research，一如过去两年大家的信仰，应用一定是中国开发者的机会。
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。
Llama 4真要被锤爆了，这次是大模型竞技场（Chatbot Arena）官方亲自下场开怼：
AI圈最热的风头莫过于GPT-4o的原生图像，但别急着下定论。Gemini 2.5 Pro正在悄悄反击，在Chatbot竞技场夺冠、IQ测试拿下第一后，它还能解魔方、建模型、创游戏，甚至一键生成3D打印文件！AI的下一个战场，正在从文字转向视觉与空间，谁能笑到最后？
在去年的 Sequoia Capital AI Ascent 2024 上，红杉的几位合伙人在活动期间提出观点：“GenAI 在客服领域已经初步找到了 PMF”。时隔一年，在大模型落地的产品形态逐渐从单纯的 ChatBot 进化为 Agent 的当下，企业级 AI 客服将会有更多落地机会和想象空间。
在 R1 推理模型大火之后，全民接力集成 DeepSeek，有硅基流动这样的大模型云服务平台、有腾讯元宝这样的 Chatbot，甚至微信这样的顶流。但是，AI 图片类产品却鲜少有接入 DeepSeek R1 的新闻，而从 DeepSeek-R1 发布到 Krea 宣布上线新功能仅仅 10 天，这个反应应该是图像产品中最快的。
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。
DeepSeek-R1因其游刃有余的用户需求响应能力，尤其是其独特的“深度思考（DeepThink）”模式及卓越的推理能力，在这个春天绝响全球。为了让更多领域的用户切实便捷地开展体验，超算互联网平台第一时间上线了DeepSeek Chatbot可视化界面功能。