「编程基准测试」共找到 2966 篇相关文章
Claude Fable 5重新上线！GPT-5.6秒跟
Claude Fable 5重新上线，或为小范围灰度测试。此前因出口管制停产近两周。它能力强但烧Token，社区一直盼回归。同时，GPT - 5.6在Fable 5上线后秒跟，将分批发布。
Mimo Code 爆火：我们挖开源代码，找到小米 AI 的真创新
6月11日小米MiMo团队开源MiMo Code项目，定位终端编程Agent。它基于anomalyco/opencode，虽有创新但引发争议，有人肯定工程设计，也有人质疑fork行为和运营节奏，本文还探讨了Harness方向与开源意义。
榨干Codex！OpenAI工程师亲授Codex真正用法
OpenAI客户支持工程师Jason称，Codex不只是编程助手，而是完整电脑工作系统。通过持久对话流留存记忆、语音输入精准表达、自动化接管任务等，能让机器高效完成各类工作，人还可随时干预。
几张GPU干翻超算！耶鲁AI颠覆化学合成，实验成功率71%
近日，耶鲁大学李昊特团队开发 AI 系统 MOSAIC，将化学合成知识分 2498 个领域训练专家模型。测试中对超 35 种新化合物合成成功率达 71%，还完成难反应与新反应，相关论文发表于《自然》。
欲取代transformer的SSA(次平方稀疏注意力)解读
文章解读了欲取代Transformer的SSA（次平方稀疏注意力）算法。它支持12M tokens上下文，比fastAttention快52倍，训练和推理更快。SSA改变了注意力扩展特性，有计算和内存线性扩展等特性，经三阶段训练可可靠利用长上下文。
Anthropic 公布 Claude Code 黑客松六强作品，来自医生、老师、木匠的儿子……
Anthropic公布Claude Code黑客松六强作品，包括虚拟诊室、电路板维修工具、编程教学平台等。这些项目来自不同职业背景的人，用Opus 4.7 + Claude Code完成，将专业知识转化为工具，传承人类经验。
100个产品原型同时跑、新模型Mythos断层领先，连skills效果都好到让团队意外：Anthropic内部到底在发生什么？
Claude Cowork 工程负责人 Felix Rieseberg 在播客中透露，未发布的新模型 Mythos Preview 带来“断层式跃迁”，在安全漏洞检测等方面表现出色。Anthropic 内部可同时跑上百个产品原型，执行成本降低。还介绍了 Cowork 开发、应用及产品打造经验。
Meta归来！时隔一年发布Muse Spark，重回第一梯队
Meta发布Muse Spark模型，这是MSL团队首款模型。此前Llama 4表现不佳，刺激Meta重组。Muse Spark性能超Llama 4，计算效率提升，在测试中成绩优异，Meta AI战略转向闭源探索，模型已上线。
这个 skills 太硬核了，刚开源就斩获 1.7K Star！Agent 联网能力拉满！
AI开发者圈热议让AI助手真正“上网”，Claude Code原工具局限性大。web - access skill横空出世，从底层架构重新设计，解决其三大短板，让Claude Code可自由穿梭互联网，功能强大且安装使用方便。
让大模型基于「图像事实」说话：用事实文本+自适应编辑，让语言偏见无处遁形丨ICLR'26
多模态大模型看图常“脑补”，存在对象幻觉问题。北航团队提出AFTER框架，含FAS和QAO模块，能在主流LVLM和基准上显著降低幻觉，且推理开销低，为多模态助手落地提供实用路径。