标签：LLM 评测
共 7 篇文章。
-
中文数理推理能力对比：模型换个语言做题会不会变笨
同一道数学题换成中文表述，模型准确率往往会下降。本文用中文数理测试集对比主流模型表现，分析语言切换导致推理掉点的原因与规避方法。
-
零一万物 Yi-Large API 开发者评测
从开发者视角全面评测零一万物 Yi-Large、Yi-Lightning API 的能力、定价与接入体验，含 Python 代码示例与国内模型横向对比。
-
LLM 数学推理能力横评：GSM8K、MATH、AIME 全解析
系统横评主流大模型在 GSM8K、MATH、AIME 等数学基准上的表现，分析各模型推理策略与实际使用建议。
-
腾讯元宝大模型 API 评测：混元能力、接入体验与定价分析
从开发者视角深度评测腾讯元宝（混元大模型）API，涵盖混元能力测试、接入步骤、定价结构，与豆包、GLM 等横向对比，附 Python 代码示例。
-
百川大模型 API 开发者评测
从开发者视角评测百川 Baichuan 系列 API 能力、定价与接入体验，对比 GLM、豆包等国内主流大模型，附 Python 代码示例。
-
智谱 GLM 系列开发者视角评测
从开发者角度评测智谱 GLM-4 系列 API 能力、定价与适用场景，对比国内外主流大模型，附接入代码示例。
-
豆包大模型开发者视角评测：API 能力、成本与适用场景
从开发者角度评测字节跳动豆包大模型的 API 能力、定价、中文理解水平，及与 Claude、GPT-4o 的横向对比。