「软件评测」共找到 1248 篇相关文章
刚刚，Thinking Machines出手！首款交互模型来了，翁荔出镜实测
Thinking Machines Lab推出首个大模型TML - Interaction - Small，打破传统人机交互模式，实现全自然交互。它训练范式独特，采用双模型架构等设计，评测表现超GPT - Realtime 2.0等模型，后续还会推出更大尺寸模型。
π0引用的中国团队，又出手了：世界仿真器新作发布
Current Robotics团队发布交互式世界仿真器CurrentWorld - 0，创始人祝毅晨履历亮眼。该仿真器能跨本体、多视角、力 - 触觉预测，可用于评测机器人，还能让人类接管以探索不同动作结果。
刚刚，Claude 又杀死了所有 todo 工具
Claude 可直接操作 iOS 提醒事项，只需告知任务，它会申请权限并设定日程。作者认为从现在起，所有 todo 软件都可‘去死’，Claude 将成智能日程助理，还能查看、管理提醒。
刚刚，Anthropic 又出新货：Claude Opus 4.1 发布，代码、推理能力再升级
Anthropic发布Claude Opus 4.1，是对Opus 4的小升级，提升智能体任务、代码处理和推理能力。付费Claude用户等已可用，价格不变。在编程评测表现佳，获多方好评，官方建议升级。
OmniInsert：全新无掩码视频插入技术
基于扩散模型的视频插入技术发展快，但以往方法有局限。字节提出InsertPipe和OmniInsert，解决数据不足等难题。OmniInsert设计巧妙，还建立评测平台InsertBench，虽有小问题，但推理快，可加速优化。
Agent经济，要来了
红杉资本半小时演讲讲清AI产业现状与趋势。介绍了分析框架，指出AI浪潮大且猛，会颠覆软件市场，机会在应用层。还提出Agent经济概念，建议大家抓住机会行动起来。
11 万 Star 的开源项目，给 AI 编码代理补流程，这套 Superpowers 值得装
110多K Star的开源项目Superpowers，是完整软件开发工作流程，基于17个可组合“技能”。它采用Pull模式，用苏格拉底式追问澄清需求，工作流覆盖多领域，支持多平台，一行命令即可安装。
在 OpenClaw 的冲击下，Cursor 已经要过时了
Insight Partners 联合创始人 Jerry Murdock 接受访谈，认为自主 Agent 是 AI 浪潮核心，Cursor 已过时。还提到会有自主 Agent 专属技术栈，软件未来将由 Agent 购买，劳动力市场会受冲击，现在是创办新基金的最佳时机。
Lovable 一个月新增 1 亿美金 ARR，Replit 再融 4 亿美金 Cursor 打算融 50 亿美金
今年AI Coding赛道增长疯狂且用户付费意愿强。Lovable ARR突破4亿美金且增速加快，年底或破10亿；Replit官宣新一轮融资，推出Agent 4；Cursor拟融50亿美金，其CEO称AI软件开发进入新阶段。
你的 Harness 工作流真的在进步吗？我们用一场考试撕掉了遮羞布
文章指出Harness工作流常靠‘主观vibes’驱动，缺乏有效评价体系。为此推出Harness Eval评测系统，包含出题、答题、改卷等环节，形成闭环，帮助工作流持续改进，还能提升整体通过率。