「V4 Pro」共找到 2150 篇相关文章
GPT-5编程成绩有猫腻！自删23道测试题，关键基准还是自己提的
有人发现OpenAI测试GPT-5编程能力时，用的SWE-bench Verified子集仅477题，自行省略23题。若这些题默认零分，其得分比Claude Opus 4.1低。且该基准还是OpenAI自己提出的。
深入解析｜Cursor编程实践经验分享
文章结合近两个月实践，分享Cursor编程经验，探讨其适用场景与问题。介绍使用方法，如标准Prompt、Rules等，还提及MCP工具及Cursor不足，对比DeepResearch等平台，最后介绍AutoGPT、Claude4.0等技术。
OpenAI发布GPT-5！这是一篇很主观的解读...
OpenAI发布GPT - 5，一口气推出三个版本API。发布会图表出错被吐槽，其自适应思考能力似抄Claude作业。发布会重押编程能力，因Anthropic靠Claude在API市场抢了不少写代码用户，实测中GPT - 5与Claude 4.1表现接近。
大模型热度退潮，真正的技术创新者开始被「看见」
过去两年中国大模型投资多是商业模式驱动，而技术投资注重创新。DeepSeek 出圈后，独立创新成主流。今年国内大模型吸金热度下降，但智谱 AI、面壁智能仍获融资。面壁智能发布 MiniCPM 4.0，在多方面优化，展现端侧优势。
谷歌风雨飘摇，市值蒸发数千亿美元！Gemini Spark能救场吗？
近期谷歌接连流失核心人才，资本市场反应强烈，市值蒸发数千亿美元。同时产品节奏不佳，Gemini 3.5 Pro疑跳票。在此背景下，谷歌推出Gemini Spark，它能跨应用完成任务，但定价遭质疑，谷歌能否靠它破局存疑。
Teleport 报告：AI 安全事件频出，背后往往是过度授权
Teleport报告指出，为AI系统授予过度访问权限的企业，安全事件发生率是权限管控合规企业的4.5倍。身份管理体系建设跟不上AI落地速度，精细化权限授予是关键，还给出搭建统一身份层等建议。
多模态大模型不会画辅助线？最新评估得分：o3仅25.8%，远低于人类82.3% | 清华腾讯斯坦福联合
清华、腾讯、斯坦福等团队发布RBench - V基准测试，评估大模型视觉推理能力。结果显示，主流大模型如o3、Gemini2.5等准确率远低于人类，开源模型表现更差，暴露出大模型在复杂多模态推理任务中能力不足。
全球顶尖大模型一夜惨遭血洗！最难测试人类拿满分，AI第一名得0.2%分
全球最难AGI测试ARC - AGI - 3上线，人类满分通关，最强模型Opus 4.6仅得0.2%。测试从静态题变为互动游戏，评分看效率。前沿大模型得分低，非LLM方案表现更好，AI缺乏元认知能力。
大模型追逐星辰大海，GPT和Gemini国际天文奥赛夺金
新论文以国际天文学和天体物理学奥林匹克竞赛 (IOAA) 为基准测试，证明 GPT - 5 和 Gemini 2.5 Pro 能在天文奥赛获金牌。研究还分析不同模型表现、与人类成绩对比及错误类型，强调需全面评估模型科研潜力。
一个“蠢问题”改写模型规则！Anthropic联创亲曝：瞄准Claude 5开发爆款应用，最强模型的价值会让人忽略成本负担
Anthropic联合创始人Jared Kaplan在YC分享Scaling Law对大模型发展的影响及对Claude等模型的意义。他认为AI发展不平衡，建议构建未完全跑通的产品，还介绍了Claude 4优化，探讨人机协作等内容。