「编程Agent评测」共找到 4023 篇相关文章
ICML 2025 Spotlight | 谁导致了多智能体系统的失败？首个「自动化失败归因」研究出炉
ICML 2025 Spotlight 论文提出「自动化失败归因」新方向，应对多智能体系统失败难诊断问题。构建「Who&When」基准数据集，设计三种初步方法并评估，虽现有方法表现有限，但此研究意义重大，有望助力打造更可靠系统。
OpenAI很看好！首个SWE-1模型发布，软件开发或将提速99%
Windsurf发布首个前沿模型SWE-1，目标将软件开发提速99%。它不只能写代码，还能协助软件工程流程。有三个系列模型，SWE-1运行成本低，SWE-1-lite对所有用户开放，SWE-1-mini适用于低延迟场景。
4.4w颗星！又一个CC Switch，几乎支持所有模型
Free CC（FCC）是本地 API 代理 + 协议转换层，能让客户端透明使用任意 OpenAI 兼容或专用上游模型，保留客户端能力。支持多提供商，架构分层、设计清晰，还有多种技术特性，文中给出安装、启动等步骤。
这个项目专治建模手残党，给张图就能转变可编辑能转动的3D模型
img2threejs上线11天获4.8k Star，专治建模手残党。给它一张图，它让AI写代码把物体“搭”出来，不重建几何，也不下素材包，还省Token、零依赖，有严格质量门控。
Anthropic发布循环设计指南：权威拆解当下最火的AI新范式loop
Claude Code团队明确loop定义，将其分四大类，给出选择循环及控制Token消耗的实用指南，还介绍保持代码质量方法，最后总结各循环适用场景、建议功能，指导用户开始使用。
132万字实时字幕！阿里语音模型支持影视飓风100小时直播
阿里升级实时语音识别大模型Fun-ASR-Realtime，首字延迟在百毫秒级别、识别准确率接近离线模型。在影视飓风100小时直播中表现出色，还支持16种方言和30种语言，离线模型Fun-ASR-Flash全球权威榜单排第一。
突发，打工版Claude 5来了！人人都能用
Anthropic推出Claude Sonnet 5，代号Fennec。它性能直逼旗舰Opus 4.8，即日起成所有Free和Pro用户默认模型，能自主规划等。价格有促销，虽tokenizer或使花销增加，但仍比Opus划算，防护能力也强。
并购激励金都不要了？全程踩中AI Coding，Windsurf核心工程师离开DeepMind
AI Coding 赛道核心工程师 Ronak Malde 离开 Google DeepMind，还放下后续经济激励。他曾参与 Codeium、Windsurf 相关项目，在 DeepMind 推进 Agentic Coding 研究。离职之际他总结心得，下一站备受关注。
Claude「永久大脑」，真的来了！
著名AI追踪平台TestingCatalog爆出，Anthropic正为Claude测试「双模记忆系统」，包括「经典记忆」和「文件记忆」。此外，「梦境」预览版亮相，还有终极Agent平台Claude Conway登场，7x24h永不下线。
有人只用API就猜出了GPT、Claude、Gemini的参数量？社区吵翻了
研究人员李博杰在arXiv发布论文，提出“不可压缩知识探针”评测框架，仅通过黑盒API调用逆向估算LLM参数规模，给出GPT-5.5等模型参数量估算，引发社区广泛讨论与争议。