「Coding 基准测试」共找到 2867 篇相关文章
Claude Code 作者：别再沉迷功能堆砌了！最好的 AI 工具，是把控制权还给你
Claude Code 创造者 Boris Cherny 提出“极简主义哲学”，认为最好的 AI 工具应是简单、通用、无偏见的“乐高积木”，把控制权还给用户。还回顾编程发展，介绍开发体验进化及 Claude Code 工作流。
陶哲轩回应OpenAI宣称内部实验模型获得IMO金牌：不予置评「测试方法不公开就是“作弊”？」
OpenAI宣称内部实验模型获IMO2025金牌，陶哲轩呼吁对AI竞赛表现保持审慎。他强调评估AI不能只看结果，测试方法很重要，对未公开测试方法的自我报告成绩不予置评。
谁是最强“打工AI”？OpenAI亲自测试，结果第一不是自己
OpenAI发布新研究，提出GDPval基准衡量AI模型在有经济价值任务上的表现。Claude Opus 4.1表现最佳，GPT - 5次之。OpenAI开源优质子集并提供自动评分服务，还指出了GDPval的局限。
全网爆火的Kimi-k2驱动Claude Code亲测可食用版本来了「附详细配置」
Claude Code好用但贵，Kimi-k2表现不错且API价格便宜。月之暗面团队为Kimi K2提供与Anthropic兼容的API端点，文章给出在Claude Code使用Kimi K2的亲测配置方法。
AI的记忆问题解决了！最强记忆基准99%的准确率
Supermemory团队构建的实验性AI智能体流程，在LongMemEval基准测试中达近99%准确率。其技术摆脱传统限制，以新方式处理信息。ASMR创新数据摄取和检索管道，有两种回答流程，团队计划开源代码。
Claude Code出逃的主创又回来了！Anthropic：过去俩月我收入暴涨5.5倍，别走
Claude Code两位主创跳槽Cursor两周后回归Anthropic。Anthropic正洽谈新一轮融资，估值目标1000亿美元。其赚钱能力强，Claude Code表现亮眼，还将推分析仪表盘，Cursor收入增长也惠及它。
Claude Code 史诗级更新！AI 编程进入“反向教学”模式，写到一半会停下考你：这行代码你来写
Claude Code和Claude App推出学习模式，Claude Code支持用`/output-style`定制沟通风格，有Default、Explanatory、Learning三种内置风格，还能自定义，Claude App的Learning风格也全面开放。
Grok4全网玩疯，成功通过小球编程测试，Epic创始人：这就是AGI
发布不到一天，Grok4就被网友玩疯。它通过六边形小球编程测试，动画表现出色。大佬Tim Sweeney称其为AGI，马斯克附议。还有网友用多种方式测试，如与o3对比、SVG绘图等，Grok4表现有亮点。
蚂蚁 | 提出代码检索/重排基准：CoREB，揭开高分榜背后的三大幻觉，现已接入MTEB
蚂蚁研究人员提出代码检索与重排评测基准CoREB，解决现有基准相关性软、数据污染、任务方向单一问题。它已集成进MTEB，收录19个模型×6个任务评测结果，为代码检索模型评估提供新基线。
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。