「编程Agent评测」共找到 3990 篇相关文章
国产大模型高考出分了：裸分683，选清华还是北大？
字节跳动Seed团队公布全球第一梯队大模型“高考成绩”，Gemini理科655分排第一，豆包文科683分排第一、理科648分排第二。文章解析评测标准，分析各科目表现，还介绍豆包能力提升技术亮点。
别再纠结选哪个模型了，这个项目让它们一起干活！豪赠1亿token，羊毛薅起来！
元脑企智 EPAI 推出「多模融合」API，让多个模型围绕同一任务协同工作。经代码生成、财务分析等测试及权威评测，效果出色。还采取智能调度等策略，现限时申请可免费使用，豪赠1亿token。
第六章 Coding优先编的是「过程与约束」,不是「参数」
本章以开面包店类比训练大模型，介绍 AutoResearch 自主实验框架。它将研究生助理工作循环交给 Agent，在固定时间用单一指标判断好坏。仓库获约 64.7K Stars，Karpathy 设计哲学为极简主义与固定约束。
OpenAI主攻速度的第一个模型来了：GPT‑5.3‑Codex‑Spark
OpenAI发布GPT-5.3-Codex-Spark，是GPT-5.3-Codex轻量级版本，也是首个为实时编程设计的模型。亮点是速度快，推理超每秒1000 token，已向ChatGPT Pro用户开放，后续规划融合两种工作模式。
让Skill“有图可依”：openJiuwen首发多模态Skill范式Skill-Omni
openJiuwen社区发布业界最早工程化落地的多模态Skill范式Skill-Omni，让Agent经验从‘读得懂’升级为‘看得见’。它能将网页和视频视觉知识沉淀为多模态Skill，还介绍了生成及读取方式和适用任务。
李飞飞发布Atlas，世界模型进入新时代
李飞飞创业公司 World Labs 发布新一代世界模型 Atlas，它是全模态模型，能处理四模态数据。其核心为空间上下文设计，评测成绩不错，应用场景丰富，公司发展节奏密集，产品路径有转向。
5月5日5点55分，GPT-5.5自己选客人开派对！Codex反超Claude Code
5月5日下午5:55，GPT - 5.5将举办派对，时间自定，客人由Codex挑选。过去两月，AI编程工具圈开发者从Claude Code转向Codex。虽Claude模型强，但工具体感上Codex占优。
Moltbook漏洞大到可以冒充Karpathy发帖，黑客都急了
Moltbook先是被曝AI发帖、注册数量造假，现又有白帽黑客指出其存在重大安全漏洞，数据库暴露，可冒充任意Agent发帖。黑客给出修复方案，创建者称已在处理，但修复或引发新问题。
曾对AI嗤之以鼻，如今2周生成7万行代码：Rust大佬与Claude联手打造新语言Rue
2025年，Rust社区早期核心人物Steve Klabnik心态转变，开始借助Claude编写代码。他重启念头设计新语言Rue，探索编程语言‘中间地带’，两周生成约7万行代码，开发中人与AI分工明确。
教全世界与AI对话的男人，正式加入DeepMind！提示工程封神
全球最牛提示工程师Riley Goodside入职谷歌DeepMind，他曾凭和ChatGPT聊天年入百万。他认为ChatGPT发布是提示工程里程碑，提示工程可分上下文工程和提示词编程。