产品应用7
黄叔实测：GLM4.5别急冲，全栈还不行
AI产品黄叔
AI 摘要
AI产品黄叔：7月29日智谱开源GLM - 4.5，实测它审美不如R1，Coding能力勉强及格，全栈代码生成未达可用阈值，目前做Vibe Coding不及格，Claude 4仍是硬通货。
阅读原文 · AI产品黄叔
GLM4.5实测：审美不如R1，全栈还不大可用，别急冲
7月29日智谱开源GLM - 4.5。作者实测发现其在UI设计审美不如R1，生成卡片表现不一，Coding能力勉强及格，全栈代码生成未达可用阈值，存在无多模态能力、上下文窗口短等问题，目前还别急着冲。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
算法论文8
SWE - Touch揭示Coding Agent共享协作能力缺口
当前基于大模型的Coding Agent是热门研究方向，现有评测多假设其独占代码仓库。中科院自动化所团队构建SWE - Touch框架，对9个前沿模型测试，发现用户干预下模型性能下降、排名洗牌。
深度学习自然语言处理
算法论文7
MLS - Bench评测：AI科研创新能力待提升
新工作MLS - Bench覆盖12领域、140个研究任务，评测前沿模型科研能力。虽模型工程执行强，但科学发现能力弱，当前仍难提出有效算法创新。其评测已纳入Kimi K3和Qwen3.8 - Max官方发版表。
新智元
开源动态8
腾讯 WorkBuddy 开源评测，曝光多模型底牌
腾讯 WorkBuddy 团队将内部模型选型评测等开源成 Benchmark，公开多模型 Agent 工作台选型底牌。Bench 优点是任务分布真实且开源可审计，论文介绍了核心方法论、四大赛道拆解、榜单结果，还对比了现有工作。
PaperAgent
产品应用8
Opus 5实测炸场，半价性能超Fable 5
Anthropic新模型Opus 5登场，多项评测中追平或反超Fable 5，价格仅为一半。网友实测表现出色，还具备硬核自检流程，性价比高。另外，Claude Code提示词删减八成，成绩未降。
量子位