「SWE - Bench Pro」共找到 574 篇相关文章
GPT-5.2改写粒子物理教科书！人类手算32项算不出，AI一行公式搞定
OpenAI与多校研究者发布预印本论文，GPT - 5.2 Pro猜出关键公式，后被OpenAI内部模型证明。它推翻粒子物理教科书结论，指出单负树图振幅在特定条件下不为零，这是其在基础科学第三个公开贡献案例。
OpenAI拉响红色警报！暂停广告和Agent，下周发布新模型硬刚Gemini 3
面对Google等对手的竞争，OpenAI宣布进入‘红色警报’状态，下周将发布新推理模型硬刚Gemini 3 pro。Altman暂停部分项目，调配资源升级ChatGPT，重点修补‘模型行为’，提升产品体验，还注重图像生成。背后是融资需求压力。
Google Antigravity vs Claude Code,我觉得还是Claude Code好
作者用相同prompt测试Google Antigravity和Claude Code的代码生成能力。Antigravity用Gemini3 Pro，生成336行代码框架，速度快但不可用；Claude Code生成2200多行完整项目，还做测试纠错，虽费时多但更实用。
首个地球科学智能体Earth-Agent来了，解锁地球观测数据分析新范式
上海人工智能实验室与中山大学联合研发的 Earth - Agent 解决了多模态大语言模型用于地球科学研究的痛点。它将领域知识工具封装化，利用 LLM 智能规划调度。经 Earth - Bench 评估，其在多方面表现出色，未来发展前景广阔。
4比0横扫Grok 4，o3强势夺冠，首届大模型对抗赛结果出炉
备受AI圈关注的首届谷歌Kaggle AI Chess大赛落幕。o3以4 - 0横扫Grok 4夺冠，Gemini 2.5 Pro 3.5 - 0.5击败o4 - mini获季军。此前Grok 4被视为夺冠热门，决赛却频频失误。
最新外国「自研」大模型，都是套壳国产？
本周，Cursor发布新代码模型Composer，Cognition推出新AI模型SWE - 1.5，二者均被指背后基于中国AI模型。业界大佬认为有证据指向中国开源模型，国产开源模型已成AI领域主流，改变全球竞争格局。
Cursor调价风波背后：商业逻辑与用户期待的错位
Cursor在6月16日调整Pro计划收费模式，从请求数限制改为计算量限制，虽称优化却引发用户不满。用户发现服务缩水且沟通模糊，社交媒体上一片失望愤怒声。7月4日Cursor道歉并推出补救措施，但信任修复不易。
英伟达新“桌面超算”800GB大内存，满血DeepSeek R1能装1个半
英伟达在Computex大会宣布新办公室落户中国台湾省台北市，还推出多款新品。如面向个人的DGX Station有800GB内存，能跑大模型；面向企业的RTX PRO Server可加速多种用例。此外，还发布新平台、宣布合作等。
都说记忆是Agent标配，但MemSyco发现漏算了一件事
厦门大学与吉林大学的最新研究指出，随着大模型Agent具备长期记忆，虽成为“长期协作者”，但也出现Memory-Induced Sycophancy问题。为此提出MemSyco - Bench评测基准，经实验得出多项发现，指出Agent Memory关键瓶颈转变。
实锤！GPT-5.5「降智」被抓，OpenAI官方文档认了
近期，网友发现GPT - 5.5使用一两个小时后突然变傻、质量下降，开发者经测试实锤系统会静默切换模型。Plus和Pro用户均受影响，此前GPT各版本升级也常引发“降智争议”。