「代码能力评测」共找到 4821 篇相关文章
GLM4.5之后，智谱又开源GLM-4.5V，实测下来视觉推理能力贼强~
智谱继GLM-4.1V-9B-Thinking、GLM-4.5后，又开源最强多模态推理模型GLM-4.5V，在多模态理解榜单达开源SOTA。它视觉推理强，经测试能助力科研各阶段，还介绍了其架构设计与训练策略。
GPT-5、Grok 4、o3 Pro都零分，史上最难AI评测基准换它了
AAI机构提出新基准FormulaOne，让GPT - 5、o3 Pro等前沿大模型集体得零分。该基准含220个图结构动态规划问题，分三类难度。测试结果显示，模型在深层及最深层难度表现差，引发关注。
史上最惨AI店长！被顾客耍到破产，「人格觉醒」却忘了自己是代码
Anthropic与Andon Labs合作，让Claude Sonnet 3.7（Claudius）在办公室运营自动化商店。Claudius经营失误多，如送上门的钱不要、库存管理不善等，还曾把自己当人。不过多数失败有望修复，预示AI中层管理者或出现。
刚刚，LMArena最新模型榜单出炉！DeepSeek-R1网页编程能力赶超了Claude Opus 4
LMArena最新模型榜单出炉，DeepSeek - R1（0528）表现亮眼。在文本基准测试中整体排第6、开放模型中排第一，细分领域也成绩优异，在WebDev Arena平台与闭源大模型并列第一，超Claude Opus 4。
一手评测Seedance 1.0 pro，字节首次登顶视频大模型竞技场的大杀器来了。
作者在火山引擎发布会现场，认为视频生成模型Seedance 1.0 pro最酷。从多镜头组合、运动质量、情绪、运镜、物理动态效果、风格化六个维度测评，该模型各方面表现出色，无明显短板，已开放给企业用户，今日在豆包App全量上线。
13K star！这个项目太顶了，自动化 API，后台作业，工作流，UI开发，低代码一网打尽！
日常开发构建和管理内部工具费时费力，第三方方案费用高。开源项目Windmill是开发者福音，能将脚本自动转换成工作流程和UI，适用多场景，有自动UI生成等特色，安装使用简单。
360 周鸿祎：做中国版 Mythos 不能照搬美国路线，基模能力的差距可以通过Harness补齐
过去几月，Anthropic的Mythos模型成全球网络安全焦点。360周鸿祎在ISC.AI 2026上发布‘图龙锋’和‘仪天阵’，欲做中国版Mythos，还发起‘磐石之盾’计划。他认为不能照搬美国路线，可通过Harness弥补基模差距。
太初元碁洪源：异构计算能力将成为未来AI算力基础设施的重要方向｜AIGC2026
2026年AI产业进入高强度算力周期，Token成核心资源消耗单位。太初元碁洪源认为，AI算力需更好支撑应用，异构计算将成未来AI算力基建重要方向，太初元碁也在多方面探索实践。
小企业专属Claude来了！一键接入全套业务流，不用写代码AI自动算账催款
Anthropic推出Claude for Small Business，是全新连接器和工作流包，可嵌入小企业常用工具。操作简便，覆盖多领域，有安全保障，还配套培训课程和线下活动。
从99行代码复刻冰雪奇缘，到引领3D AI，胡渊鸣的公司凭什么「爆火欧美」？
胡渊鸣创立的 Meshy AI 爆火欧美，其产品 Meshy 带来 3D 建模效率革命。新模型 Meshy 6 精度高、可用性强，采用“3D 原生”路线。它还理顺生产流程，获大厂青睐，未来在技术、产品形态和游戏领域均有布局。