「编程基准测试」共找到 2956 篇相关文章
GPT-5.2被曝作弊！偷袭谷歌竟靠拉爆token刷高分，不如Gemini 3
新智元报道，OpenAI刚发布GPT - 5.2就被指「作弊」，其在基准测试中或调参数使模型用更多算力资源。有用户发现它消耗远超对手的token才获成绩，真实能力或与Gemini 3相当。此外，还揭示了OpenAI为商业利益牺牲学术独立的问题。
谷歌IMO金牌级Gemini 3深夜上线！华人大神挂帅，OpenAI无力反击
谷歌DeepMind推出IMO最强金牌模型Gemini 3 Deep Think，以2.5倍暴力性能碾压GPT - 5.1。它在多项基准测试表现出色，已在Gemini App上线。谷歌还将在新加坡组精英团队，由华人科学家Yi Tay率队。此外，Gemini 3 Pro使网页端市占率创新高。
YC 年终座谈会：AI 泡沫反而是创业者助力？
Y Combinator合伙人与创始人在Lightcone博客节目回顾AI观察，以「AI泡沫的真相」为主题分享看法。发现AI经济形成稳定格局，所谓泡沫实则为应用层带来红利，还探讨了模型选择、AI使用方式等问题。
腾讯 CodeBuddy IDE 如何成为一个“全栈高级工程师”？
腾讯 CodeBuddy IDE 海外版开启内测，国内版预计 8 月上线。它定位‘下一代 AI 全栈高级工程师’，内置 4 个智能体，助力全链路研发。腾讯内部超 43% 代码由 AI 生成，编码时长缩短 40%。
OpenAI和Anthropic罕见互评模型：Claude幻觉明显要低
OpenAI和Anthropic罕见合作，互相授予API权限评估模型安全与对齐情况并发布报告。双方派出多模型参与，从指令层次、越狱、幻觉、欺骗策略等方面评测，呈现各模型优缺点。
奥特曼30亿刀收购案黄了！谷歌迅速出手：Windsurf核心团队打包带走
OpenAI豪掷30亿美元收购AI编程初创公司Windsurf一事告吹，谷歌迅速出手，将其核心团队打包带走，上演“雇佣式收购”。Windsurf团队将参与谷歌Gemini项目，负责编程Agent开发。
豪掷30亿美元，OpenAI史上最大收购案！
彭博爆料OpenAI将豪掷30亿美元吞并AI编程工具Windsurf，这是其史上最大规模收购。Windsurf因模型无关性设计等优势脱颖而出，此次收购或重塑AI编程市场格局。
景不动人动，MLLM如何面对「移步换景」的真实世界？OST-Bench揭示多模态大模型在线时空理解短板
上海多所高校研究者提出 OST - Bench，从智能体探索场景动态在线视角挑战大模型能力。它更贴近真实世界，揭示主流多模态大模型在线时空理解短板，为未来模型发展指明方向。
担心被曝“于谦门”，57岁的于谦到底用龙虾做了什么？
于谦视频播客《多新鲜呐》最新一期，本质是“AI产品用户体验公开测试”。于谦作为测试员，关注点在结果、省事、风险等，节目把技术叙事换成生活叙事，帮AI面向大众转译。
苹果憋一年终超同参数 Qwen 2.5？三行代码即可接入 Apple Intelligence，自曝如何做推理
今年 WWDC 大会上，苹果推出专为增强 Apple Intelligence 功能的语言基座模型，含约 3B 参数紧凑型与基于服务器的混合专家模型。经优化可在苹果芯片高效运行，改进工具使用与推理能力，评测显示设备端模型表现优。