it.xnews.jp

API

HANDBOOK.md：長文脈指示への従順性を評価するベンチマーク arXiv.org · 2026-07-29
language-modelsai-agentsbenchmarkinginstruction-followingpolicy-compliance
Kimi K3はFableと同等性能、組み合わせで最高精度を実現 Fireworks AI · 2026-07-22
ai-modelsbenchmarkingcost-optimizationrouting-inference
GLM 5.2がIDOR検出ベンチマークでClaudeを上回る Semgrep · 2026-06-29
ai-securityvulnerability-detectionbenchmarking
GLM-5.2がオープンウェイト部門の最高スコアを獲得 Artificial Analysis · 2026-06-17
glm-5-2language-modelsbenchmarking