Mistral Large 4
Mistral Large 4 模型在生成“穿渔网袜的犰狳在火星上闯红灯”的 SVG 图像测试中，与 Claude Opus 5.5、GPT-6.1 Sol 和 Gemini 3.8 Flash 等前沿模型一同接受评估。该测试旨在展示当前大语言模型在复杂创意指令下的图像生成能力。
#评测/基准
#评测/基准
今日 0 条Simon WillisonAI 评分1212 Microsoft ResearchAI 评分3131 微软研究播客：AI 的失败与评估
微软研究播客对话 Jennifer Neville，探讨评估在推动 AI 系统性能边界中的作用，以及模型在传统基准测试之外出现的“意外失败”。Neville 分享了与当前 AI 系统协作的实用指导，并强调当结果违背预期时仔细审视数据的重要性。