Tavus发布视频对话模型Griffin-Lite
Tavus称，其新模型Griffin-Lite在54名受试者进行的一分钟视频通话中，让26人误以为对方是真人，占比48%；上一代系统在相同测试流程下的这一比例为2.4%。Tavus称Griffin-Lite是实时视频对话模型，并表示它能在双方同时说话时实时回应，包括附和或打断。
内容形态
评测基准 最新动态
模型到底谁强：Benchmark 成绩、评测方法论争议与排行榜变化的持续记录。
27 条精选近 30 天 26 条共收录 27 条
更新
精选归档 · 第 2 页
36氪精选AI 评分5252
钛媒体精选AI 评分5656 硅谷101访谈拆解AI数据行业的出题、卖题与判卷生意
硅谷101访谈Scale AI后训练与评测研究负责人何允中、伯克利博士后孙一铀，讨论AI数据行业从人工标注转向rubric、RL环境和智能体数据。对话提到AfterQuery估值从今年4月A轮的3亿美元升至9月新一轮融资后的32亿美元，Bespoke Labs种子轮与A轮融资合计4000万美元。
量子位精选AI 评分6969 Utopai X 在 Artificial Analysis 文生视频榜单中位列第二
Utopai X 在 Artificial Analysis 最新文生视频榜单中获得 1150分，排名第二，与第一名阿里的 Wan 3.0 相差 7分。文章介绍称，Utopai X 背后是 Utopai Studios，并与其制片平台 PAI 一起用于从剧本拆分、镜头生成到剪辑的影视制作流程。
量子位精选AI 评分4343 Meshy 跻身 a16z 消费级 AI 应用月收入 Top 50，成榜单唯一 AI 3D 公司
Meshy 入选 a16z 首份“消费级 AI 应用月收入 Top 50”榜单，位列第 31 名，是榜单唯一 AI 3D 公司。榜单依据 YipitData 追踪的美国消费者银行卡消费数据，Meshy 近期 ARR 已突破 1 亿美元，并于 2026 年 7 月完成近 4 亿美元 B 轮融资。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，现已可通过 ReviewBench 网站使用。
推荐理由：原文公开了数据集、评分方法和提交流程，可用于比较代码审查智能体的取舍。
Hugging Face Blog精选AI 评分7676 Microsoft 与 Hugging Face 发布 ThinkingBox，用后端状态评估 AI 智能体可靠性
Microsoft 与 Hugging Face 发布 ThinkingBox 和 ThinkingBox-Bench，用 AI 智能体留下的数据库终态与副作用评估任务是否完成，而不是只看回复或工具调用。
推荐理由：文章把单次成功与连续可靠性分开评估，可帮助判断智能体接入真实业务记录时的风险。
Import AI精选AI 评分4545 Import AI 469：Science AI、RSI Simulator 与 Zuck 的技术悲观主义
Import AI 469 讨论 DiG-bench、RSI Simulator 和 Inherent 的 AI 科学家模型 Faraday 等 AI 研究进展。