搜索：编程Agent评测

「编程Agent评测」共找到 3990 篇相关文章

Cursor 1.0 正式发布：AI 代码编辑器进入“自动审查 + 记忆”时代！

智能代码编辑器 Cursor 正式发布 1.0 版本，带来多项重磅功能，如自动代码审查助手 BugBot、Jupyter Notebook 原生支持、项目级 AI 记忆等，还提升了用户体验，是向“AI 编程操作系统”迈进的重要一步。

目前学术会议论文评审无统一规范，投稿量膨胀致审稿周期冗长。吴恩达发布‘Agentic Reviewer’，在ICLR 2025数据测试中接近人类水平，现阶段在arXiv研究领域表现佳，但仍处实验阶段。

当地时间 7 月 14 日，Cognition 宣布收购 Windsurf。此前 Windsurf 收购案波折不断，创始人带部分人去谷歌，遭网友吐槽“背刺”员工。Devin 接盘后保障员工权益，还引发对 AI 编程工具竞争的讨论。

文章推荐了5个Github开源项目。如htmx，能在纯HTML搞定多种交互，无需JS；Flow.Launcher可快速搜索文件、启动应用；Maple Mono是编程字体，中英2:1对齐；Trilium Notes是分层笔记神器；Hyprnote可实时转录会议内容。

文章指出Harness工作流常靠‘主观vibes’驱动，缺乏有效评价体系。为此推出Harness Eval评测系统，包含出题、答题、改卷等环节，形成闭环，帮助工作流持续改进，还能提升整体通过率。

Rust版OpenClaw——Moltis问世。其零依赖、全沙箱、反泄露，以Rust架构带来多好处，还统一模型接口，支持本地模型离线运行，安全和存储机制出色，是面向生产的Agent框架。

开源项目 Super Agent Party 颠覆对‘桌宠’认知，它是 AI 智能体平台，有知识库、联网等能力，可部署到多平台。具备无缝能力增强等核心功能，提供多种安装选项，应用场景丰富。

近日，智元机器人发布并开源全球首个基于机器人动作序列驱动的具身世界模型 EVAC 及具身世界模型评测基准 EWMBench，构建全新开发范式，打破具身智能演进制约。

30年码龄程序员4年没搞定的顽固型‘白鲸bug’，Claude Opus 4配合Code模式，用30个prompt+1次重启，几小时就破解。此前GPT - 4.1等模型都失败，凸显Claude编程与推理能力强。

Anthropic 从 6 月 15 日起调整 Claude 额度规则，编程与交互用途用量分家，设独立月度 credit。对轻度用户是利好，重度用户是降级，第三方工具开发者喜忧参半，还与 OpenAI Codex 形成对比。