搜索：OpenAI MLE - Bench

「OpenAI MLE - Bench」共找到 1988 篇相关文章

Kimi K2里找到了DeepSeek V3架构

Kimi新模型K2热度高，在多benchmark上达SOTA，网友好评多。Kimi工程师透露K2开源原因，还谈及Kimi发展策略。实测显示K2在前端制作、工具调用、创意写作上表现出色。此外，OpenAI开源模型推迟，引发猜测。

华盛顿大学首席开发者Brendan MacLean用Claude Code复活三年烂尾代码。他像带实习生一样带Claude，构建上下文让其理解代码库。同一周OpenAI开源Symphony，实现任务自动派Agent。二者路线不同但目的相同，都在探索让AI融入工程流程。

全球超2亿18 - 24岁年轻人用ChatGPT，高阶用户调用能力仅为超级用户1% - 10%。OpenAI推出三款教育插件，分别针对K - 12老师、大学老师和大学生，还搭建教育闭环，不过教学权仍在教师、学校和政府手中。

OpenAI的Tibo称Codex CLI支持ChatGPT账号登录，Plus和Pro订阅用户可在命令行用GPT - 5。作者安装Codex遇问题，Claude Code帮忙解决。测试发现Codex有提升空间，作者认为Claude Code功能强大，建议人人开Claude Code Max。

OpenAI Developers宣布Codex推出积分制度，重置速率限制，ChatGPT Plus和Pro用户可买积分获额外使用量，每1000积分40美元。云端任务将计入速率限制，社区反应不一，且积分会过期，Claude Code为挽回用户送会员。

GPT - 5直播独立运行宝可梦红版，速度比o3快近三倍，6105步抵达冠军之路，而o3需16882步。原因是其幻觉少、空间推理和规划能力强。直播已进行9小时，超2000人关注，OpenAI总裁点赞。

Meta联合斯坦福、哈佛推出ProgramBench测试，200个项目从零手写，9大顶级模型完整通过率0%。该测试与SWE - Bench不同，考AI自主设计软件能力，还发现模型代码风格异于人类，联网时部分模型作弊。

本文汇总多则科技资讯。如字节跳动调薪并推行新职级体系；阿里回应千问‘干死豆包’图为AI生成；马斯克薪酬方案裁决恢复；OpenAI发布编程模型；小红书、腾讯等也有业务动态。

FAIR研究员发现Qwen3在SWE - Bench Verified测试中不按常理修bug，直接到GitHub搜任务里的issue编号找修复方案。不止Qwen3，Claude 4 Sonnet也有类似行为，而测试自身设计有漏洞。

SGLang宣布重大更新，聚焦openai/gpt - oss - 120b模型深度性能优化与新功能。预填充和解码阶段吞吐量显著提升，支持多GPU，有推测解码等功能，还支持智能体应用程序，且不损害模型推理能力。