「SWE - Bench Pro」共找到 574 篇相关文章
谷歌Gemini火力全开！实测：原生图像生成新升级确实强
谷歌Gemini原生图像生成功能升级，图像质量更好、文本渲染更准、生成速度更快。可融合图片元素、实时编辑等，能免费试玩，开发者可集成API。实测表现惊艳，也有翻车情况，还能搭配Gemini 2.5 Pro。
浙大联手字节：开源大规模指令跟随视频编辑数据集OpenVE-3M
浙江大学与字节跳动合作，提出大规模指令跟随视频编辑数据集 OpenVE-3M，有 3M 样本对。还提出数据构造管线、编辑模型 OpenVE-Edit 及评测集 OpenVE-Bench，小参数量下超越现有开源模型。
永别了，人类冠军！AI横扫天文奥赛，GPT-5得分远超金牌选手2.7倍
国际天文与天体物理奥赛（IOAA）中，GPT - 5和Gemini 2.5 Pro完胜人类选手。俄亥俄州立大学团队考察五大顶尖LLM，发现它们大多达金牌水平，但在几何、时空推理等方面有困难。
全网破防，AI「手指难题」翻车逼疯人类！6根手指，暴露Transformer致命缺陷
最近网友被AI「手指难题」逼疯，给AI六指手，它始终无法数对。GPT - 5.2、Nano Banana Pro等均翻车。此问题揭露当前模型思考机械、割裂等缺陷，也凸显Transformer架构弱点。
Auto-Research「终极大考」：新基准撕下大模型科研伪装
来自多所高校的研究者提出MLS - Bench，用于解决现有Auto - Research评测的归因问题。它含140个真实研究任务，校准受控修改范围，主实验显示当前模型在方法发现上有明显缺口，Auto - Research需更严格评测标准。
ChatGPT新功能Pulse，GPT-5主动给你推消息，大家玩得停不下来
本周五凌晨，OpenAI 向 Pro 订阅用户开放 ChatGPT 新功能「Pulse」预览版。它基于智能体，会根据用户信息提供个性化更新，还能异步搜索。用户可管理研究内容、提搜索请求及反馈，未来或推广告、建社交网络。
全网开测GPT-oss！技术架构也扒明白了
全网开测GPT-oss，它登顶开源模型王座，性能比肩o3-mini、o4-mini，适合本地推理。网友探索出多种用法，还推出Pro版。其架构也被扒出，官方介绍了微调方法，吴恩达等大佬也参与测评。
一天 15k 星，代码生成碾压 Claude，连 Cursor 都慌了？谷歌 Gemini CLI 杀疯了
谷歌发布 Gemini CLI，有慷慨免费使用配额，开源且不到一天获 15.1k 星。它连接 MCP 服务器，具备 Agentic AI 能力，接入 Gemini 2.5 Pro 模型，在代码生成等方面表现出色，谷歌认为通用模型更优。
大模型玩不好数独？！Transformer作者初创公司公布排行榜：o3 Mini High“变异数独”正确率仅2.9%
Transformer作者初创公司Sakana AI公布AI解决数独能力排行榜，用全新基准Sudoku - Bench考验大模型创造性推理能力。结果显示大模型总体正确率仅15%，9×9数独中高性能模型o3 Mini High正确率2.9%。
亿级日活App的“算力生死劫”：推理成本倒挂，他们靠跨云架构砍掉75% GPU集群
一家AI穿搭+购物推荐的出海应用DAU破亿，但算力和传输成本高，ARPU远低于成本。该企业转向Akamai推理云，换用RTX PRO 6000，缩减服务器集群，降低成本，采用跨云架构过渡，实现零阵痛平替。