在人工智能领域飞速发展的当下，各大科技公司之间的竞争也愈发激烈。2025年2月23日，一则关于OpenAI与xAI之间的争议新闻，再次将AI基准测试的准确性和有效性推到了公众视野的焦点位置。

在当今人工智能飞速发展的时代，AI 基准测试作为衡量模型能力的关键手段，其重要性不言而喻。通过设计合理的任务、数据集和指标对大模型进行基准测试，不仅能评估当前技术水平，指引学术研究和产品研发方向，还能增进公众对人工智能的正确认知。然而，近期关于 AI 基准测试以及 AI 实验室如何报告这些基准测试的争论，却逐渐进入公众视野，引发了广泛关注。

财联社2月25日讯（编辑 马兰）甲骨文周一发布了其最强模型Claude 3.7 Sonnet，据甲骨文称，该模型同时具备推理能力和传统实时生成文本的能力，是市面上唯一的混合模型。

关于人工智能基准的争论——以及人工智能实验室如何报告这些基准——正在进入公众视野。