「推箱子」共找到 613 篇相关文章
0%完成率！Claude、GPT、Gemini 全灭，SWE-Bench作者新作把AI圈干沉默了
SWE - Bench创建者推出新benchmark ProgramBench，测试AI从零构建软件系统能力。结果一线模型完成率0%，暴露AI擅长局部代码生成，缺全局系统规划能力，引发对其评估方式的讨论。
OpenClaw大考！上海AI Lab InternLM团队WildClawBench 60题，把「龙虾」AI打回原形
上海人工智能实验室InternLM团队推出WildClawBench，含60道高难度任务，在真实OpenClaw环境端到端评测AI Agent。评测涵盖多类别任务，已测14个模型，国产模型表现亮眼，项目开源可复现。
堆推理链全错了！林俊旸离职首曝：曾在阿里 Qwen 踩中一个“致命”技术误区
阿里千问技术负责人林俊旸离职后发声，复盘 Qwen 训练尝试，指出合并 thinking 和 Instruct 模式不理想。他认为大模型未来应从‘推理思维’走向‘智能体思维’，并阐述了智能体思维的特点和挑战。
黄仁勋，开启智元（Token）时代
全球大模型进入千万亿智元（Token）时代，OpenRouter年化智元用量突破一千万亿，对应推理支出约10亿美元。黄仁勋在GTC大会提出「智元（Token）经济学」，智元成AI时代核心经济标尺，重塑产业规则。
更全面的具身智能真机评测来了！CVPR 2026 ManipArena挑战赛邀你打榜
具身智能产业发展迅速，但缺统一、高标准真机评测体系，成发展痛点。中山大学等机构推出 ManipArena 挑战赛，提供科学评测框架，已测部分模型，揭示不同技术路线能力边界，为产业发展提供基础。
让智能“落地”的芯片，今年都去了MWC
2026年世界移动通信大会（MWC）以‘The IQ Era（智能时代）’为主题，全球2400多家企业参展，其中350家来自中国。中国企业展现了从芯片到终端的体系化竞争力，在网络、终端、基础设施、模组等方面均有进展。
谷歌、OpenAI同日发布模型，一个最快最具性价比，一个主打「人情味」
深夜谷歌和OpenAI相继推出新版本大模型Gemini 3.1 Flash - Lite、GPT‑5.3 Instant。前者专为大规模智能设计，性价比高、速度快；后者让日常对话更稳定实用，减少幻觉，提升了多方面表现。
Claude祭出「记忆搬家」，60秒搬空ChatGPT灵魂！70万用户退订OpenAI
Anthropic为Claude上线「导入记忆」功能，可60秒将ChatGPT上下文复制到Claude，这是对OpenAI挑衅。自奥特曼官宣与国防部合作，网友抵制ChatGPT，70万用户退订，未来或出现AI记忆互通协议。
45亿红包打响AI入口大战，百度给出另一种回应
春节期间，国内外AI圈有两件大事，国外OpenClaw在GitHub爆火，国内大厂掀起AI春节营销大战。百度率先接入OpenClaw，并推出5亿红包活动。其采用搜索+AI策略，有全栈布局优势，想走长远发展之路。
再见，人类程序员！OpenAI自曝：一行代码都不写了，100%用Codex
OpenAI研究员Roon称Codex已接管其100%代码编写工作，内部爆料还显示Codex助力三天搭服务器、三周推APP。Codex CLI更新至0.9+，但AI代码审查成难题，开发者和非开发者面临不同挑战。