「代码评测」共找到 2217 篇相关文章
半价干翻Fable 5？Opus 5实测炸场，网友：差点从椅子上摔下来
Anthropic新模型Opus 5登场，多项评测中追平或反超Fable 5，价格仅为一半。网友实测表现出色，还具备硬核自检流程，性价比高。另外，Claude Code提示词删减八成，成绩未降。
都在卷「让大模型多循环几遍」，这个7B模型LoopCoder v2说：多循环 1 次就够了
一项新研究表明，7B小模型LoopCoder v2在正常计算外多循环一次，就能在SWE - bench Verified基准上大幅提分。继续增加循环次数，性能反而下降。研究还算了‘收益 - 成本’账，给出选择循环次数的诊断方法。
Claude有「编制」了！Anthropic发的
6月23日，Anthropic发布Claude Tag，它是常驻Slack频道的AI团队成员，有自己的身份、账号和审计轨迹。其核心是权限架构，采用智能体身份，按用量计费，已对企业版和团队版客户开放beta。
刚刚，OpenClaw和Cursor杀入手机！Agent从此塞进口袋
OpenClaw和Cursor同日发布原生App，OpenClaw上架全血原生App，可无缝交互，解锁设备底层能力；Cursor发布iOS应用公开测试版，可让开发者在手机上指挥代码开发，重塑人类工作方式。
跑分第一，推理暴跌！Claude Opus 4.7上线48小时口碑崩了
Claude Opus 4.7发布48小时口碑两极撕裂。官方榜单并列全球第一，但逻辑推理公开测试成绩暴跌，token消耗涨35%，旧接口报错，用户吐槽「更贵、更蠢、更爱顶嘴」，Anthropic虽解释却难平用户怒火。
在ICLR 2026主会之前，我们和30多位入选者聊了聊最前沿的AI细节
4月14日，智源社区、DeepTech联合举办ICLR 2026预讲会。会议聚焦顶会核心精华，三十余位论文作者分享AI Agent、大语言模型等热门领域成果，展示解决大模型痛点的研究。
The Batch: 940 ｜Claude Mythos Preview 引发安全担忧
Anthropic为即将推出的Claude Mythos Preview采取特别预备措施，因其会带来网络安全风险。该模型能力强大，能发现众多代码漏洞。Anthropic组建联盟增强防御，其表现也优于多个知名模型。
告别Selenium！这个8K+星的AI浏览器自动化神器，让爬虫开发效率飙升10倍
传统浏览器自动化工具基于‘精确选择器’，网站改版代码易崩溃。而Stagehand是新一代AI浏览器自动化框架，用自然语言控制浏览器，开发效率提升10倍，维护成本降80%，还具备自然语言操控、自我修复等功能。
Claude Code 终端工具链完全指南：7 款终端横评 + 我的最佳实践
文章对 7 款主流终端进行横评，给出 Shell 配置、终端复用器、快捷键的最佳实践，旨在让 Claude Code 体验更顺滑。介绍各终端特点，避坑 Powerlevel10k，推荐 Starship，强调 tmux 重要性等。
Skill开发黄金法则！谷歌放出5种智能体Skill设计模式
谷歌工程师研究Skill开发生态，浓缩出5条黄金法则与5种设计模式，包括工具封装器、生成器等，每种模式附可运行ADK代码，还能组合使用，助开发者构建更智能的Agent。