「Coding 基准测试」共找到 2878 篇相关文章
开源AI教育视频生成神器，3Blue1Brown风教学动画一键搞定！
新加坡国立大学Show Lab团队开源Code2Video，能让代码变高质量教育视频，逻辑是用代码驱动视觉效果。它有智能解析等特性，可解决传统教学视频形式单一等问题，应用场景广泛。
Claude Sonnet 4.5 发布，30 小时自主编码刷新行业纪录
Anthropic发布Claude Sonnet 4.5，号称最强编程模型，自主编码达30小时。它性能超GPT-5等，Claude Code升级，文件处理、API能力增强，价格不变，多平台集成，还通过白盒审计提升安全性。
V4Flash 的价格、Opus4.8的能力，Ox Alpha （牛来）正式开源！
Ox Alpha 匿名模型上线 OpenRouter 后表现亮眼，消耗大量 tokens 并终结 DeepSeek 霸榜纪录。官方揭晓其为智谱 GLM - 5.3 Flash，价格低、能力强，经多场景测试，多模态理解等维度达顶尖水平。
别再所有人平分AI算力：顶级模型给资深工程师才省钱，新人刷题式成长已失效
在2026世界人工智能大会InfoQ直播间，滕昱和唐飞虎探讨AI Coding深层变化。他们认为AI放大资深工程师能力，冲击新人与大型软件组织，还就模型使用、判断力、企业部署等发表见解。
别学歪了，从泄漏的 CC 源码看 Harness 才是硬道理
作者结合Claude Code源码泄漏事件，介绍harness是套在模型外的“驾驶系统”，阐述其作用，如让Agent连续工作、稳定运行等。还提及相关开源书，揭示harness工程核心原则。
贴广告的ChatGPT，一夜之间让全球网友破了防
周六凌晨，OpenAI 公告计划在 ChatGPT 加广告，测试将在美国率先启动。此前已上线低价订阅版 ChatGPT Go。此外，马斯克与 OpenAI 官司相关文件解封，案件将进入审判。
任务级奖励提升App Agent思考力，淘天提出Mobile-R1，3B模型可超32B
现有Mobile/APP Agent依赖动作级奖励，难应对变化环境。淘天集团团队提出Mobile-R1框架，采用三阶段训练，结合任务级奖励，实验显示其表现超基准，团队还计划开源资源。
翁荔最新万字长文：Why We Think
北大校友、前OpenAI华人VP翁荔发布万字长文《Why We Think》，围绕“测试时计算”和“思维链”，探讨提升模型性能的方法，涉及心理学类比、基于Token的思考、分支与编辑等多方面内容。
CVPR 2026｜突破3D空间推理瓶颈：北大联合南科大提出QuatRoPE，让大模型精准理解三维物体关系
北大联合南科大团队提出全新 3D 位置嵌入方法 QuatRoPE，改善大语言模型 3D 空间推理痛点。还提出 IGRE 降低干扰，构建 ASR 基准评估能力。研究被 CVPR 2026 接收，代码与模型已开源。
Claude最强Fable 5.1发布！8项屠榜，最高降价45%，反蒸馏机制上线
Anthropic发布Fable 5.1和Mythos 5.1，8项基准测试夺冠，价格最高降45%。展示科研成果，如蛋白质设计、生成金星地图等。上线反蒸馏机制，防止篡改上下文，还给出替代方案。