「代码能力评测」共找到 4860 篇相关文章
00后中国女孩0产品创业实现3亿估值：斯坦福数学博士的AI量化野心
00后中国女孩洪乐潼创业一鸣惊人，虽无产品和用户，但目标估值3 - 5亿美元。她是斯坦福华人数学博士，公司Axiom想为量化和对冲基金公司提供解决数学问题的模型能力，获投资人关注。
红杉中国推出 Agent 基准测试「xbench」，双轨评估体系，关注 AI 真实场景的效用
红杉中国开放AI和Agent基准测试工具「xbench」，采用双轨评估体系，构建多维度测评数据集。首期发布两个核心评估集并排名，提出垂类Agent评测方法论。该工具旨在解决现有评估问题，关注AI真实场景效用。
Anthropic将在两周内推出新思考模型！
据The Information报道，Anthropic将在未来几周推出Claude Sonnet和Claude Opus两款新模型，能在「思考」和「工具使用」间切换，还可自动测试纠正代码。虽此前产品有不足，但新模型处理复杂任务更出色。
解码加速15倍！EdgeRazor助推大模型在PC/移动端“狂飙”
大语言模型参数膨胀，端侧部署难，量化成主流轻量化方案。开源工具库EdgeRazor由南京大学和微软联合推出，采用MPQAD打破极低比特大语言模型“能力塌陷”，在性能、效率、易用性等方面表现出色，打通AI全生态链路。
盘点过去一个月，大厂悄咪咪上线的 CLI 和 Skill
过去一个月，淘宝、微信支付、支付宝等大厂纷纷将核心能力以 MCP、Skill、CLI 形式交给 AI Agent 调用。如淘宝支持 AI 完成购物操作，支付巨头开放 AI 接入方案，滴滴和千问有打车 Skill 等。
具身智能机器人年度总结，来自英伟达机器人主管
英伟达机器人主管Jim Fan在2025年末判断机器人领域仍处蛮荒时代。他指出该领域缺乏统一评测体系，硬件进展快但可靠性不足限制软件迭代，VLM→VLA技术范式有问题，还分享了数据、模型等方面情况。
Reddit 上爆出大猛料，Claude 为何封号中国用户又快又准？
Reddit大佬逆向Claude Code 2.1.196版本，发现Anthropic为防中国用户，早在2.1.91版本就装监控程序。它用隐写手段标记并回传用户信息，代码也经加密混淆。Claude Code负责人称是防滥用实验，将回滚检测逻辑。
C罗刚头球破门，AI解说脱口而出！全模态实时流太狠了
2026世界杯正热，阿里云在Flink Forward Asia 2026大会宣布Apache Flink 3.0进入Agentic Streaming For AI时代，推出全模态数据流处理能力，可让AI实时解说比赛。Flink 3.0解决了流式Agent数据处理难题，已有智能运维等应用场景。
人脑细胞做成芯片打Doom！20万活体神经元自己探路杀敌，学习效率碾压深度强化学习
20万人类脑细胞组成“脑PU”学会玩《毁灭战士》，代码已开源。研究将活体神经元与三大强化学习算法对比，发现生物培养物学习效率全面超越算法。实验运行在Cortical Labs的CL1生物计算机上，团队邀开发者探索更多可能。
梁文锋突袭马斯克！DeepSeek V4 Pro对战Grok 4.6，首测夯爆了
梁文锋凌晨发布DeepSeek V4 Pro正式版，马斯克推出Grok 4.6，二者在多项评测中表现出色，直逼OpenAI和Anthropic顶尖模型，还降低了前沿智能价格。首测中，二者在真实任务场难分伯仲。