「编程评测」共找到 1658 篇相关文章
刚刚，OpenAI发布GPT-5-Codex：可独立工作超7小时，还能审查、重构大型项目
凌晨1点，OpenAI发布针对编程优化的GPT-5-Codex，它能独立工作超7小时，可审查、重构大型项目。还宣布Codex升级，包括新CLI和IDE插件等，同时介绍安全保护措施、价格及可用性。
Claude Code之父最新访谈揭秘：Claude Code 迭代靠的是直觉「附个人独家使用秘笈」
Claude Code项目负责人Boris Cherny在访谈中揭秘其迭代靠‘直觉系统’，探讨智能体编程实用化、模型演进等。他还谈及软件工程师未来工作转变，给出使用Claude Code秘笈，强调基础与创造力重要性。
全球最大AI榜单塌房！52%高分答案全是胡扯，硅谷大厂集体造假？
2025年底，《LMArena is a cancer on AI》一文引发关注，其指出LMArena这个权威大模型评测平台问题严重。Surge AI调查发现，52%获胜回答事实错误，39%投票结果与事实相悖，Meta还曾为榜单优化模型。
开发速度不是瓶颈
文章围绕‘凭感觉编程’展开，指出开发速度并非产品成功的关键制约因素。分析原型与产品差异，以亚马逊、谷歌为例说明产品需不断尝试。强调真正瓶颈是验证和沟通，编码速度从来不是问题。
大佬观点汇总之「AI 席卷下即将发生的事」。Hinton：人类要完！马斯克：要往好的方面看
文章汇总大佬对AI发展影响的观点，提到编程工作或短期内被AI大量取代，白领首当其冲，GDP将增长但人类工资会跌，年轻人面临危机，AI公司或成攻击目标，Hinton担忧，马斯克乐观。
不吹不黑，在Agent任务上，kimi 2.6确实让我忘了Claude。
Kimi K2.6发布并开源，代码和Agent能力提升。作者测试发现，它在部署Claude Code源码、网站生成、多智能体任务等方面表现出色，审美提升，思维活跃，还能复刻文档风格，开源释放了前沿编程能力。
Generalist爆火背后：具身智能真正的竞争，已不在模型
Generalist AI发布的GEN - 1模型引爆具身智能领域，其多项指标出色，预示具身智能竞争从模型层转向基础设施层。行业关注焦点转移，数据正从‘静态数据集’演进为‘动态教育系统’，评测与仿真基础设施成关键。
真实音频场景，大模型集体挂科！首个原生语音基准MultiChallenge
Scale AI发布首个原生音频多轮对话基准Audio MultiChallenge，撕开大模型靠合成语音评测维持的假象。实验显示，Gemini 3 Pro等模型在真实场景表现不佳，还揭示了模型在语音交互中的三大失败模式。
黄仁勋放话：英伟达全员拥抱智能体！
黄仁勋称英伟达全员将配AI助手，未来AI智能体成主流。Meta小扎、微软纳德拉等也认为AI重塑开发者角色。当下AI编程工具掀起革命，虽有局限，但已改变开发周期，企业多已应用。
GPT之父把AI扔回1930年：没见过一行代码，却「发明」了Python！
GPT之父Alec Radford带队发布总参数130亿的大模型「talkie」，其训练数据冻结在1930年，没学过编程却能写Python代码，证明LLM可用旧知识推理。团队后续还有升级计划。