搜索：编程Agent评测

「编程Agent评测」共找到 4031 篇相关文章

2M大小模型定义表格理解极限，清华大学崔鹏团队开源LimiX-2M

大语言模型在结构化表格数据处理上表现不佳，清华大学崔鹏团队开源的 LimiX-2M 模型，仅 2M 参数，却能同时支持分类、回归等任务，性能超越经典模型，且训练、运行成本低，科研友好。

Meta的Llama 4评测性能造假，OpenAI算力计划引恐慌，全球AI发展陷入困境。中国AI力量爆发，如DeepSeek、MiniMax等，以强大性能、高性价比和商业可持续性满足全球需求，在国际舞台崭露头角。

文章揭示AI在黑产中的应用，如换脸、薅羊毛、钓鱼等，还介绍网商银行安全团队以攻为守的防御策略，像用AI生成验证码、检测行为特征，目标是抬高黑产作恶成本。

360发布FG - CLIP 2双语细粒度视觉语言对齐模型，几乎在所有数据集上全面领先。它能让AI在统一框架内看懂图像细节、理解中英双语，团队还提出新中文多模态评测基准。

美国顶流AI产品Cursor和Windsurf发布新模型，被指“套壳”中国开源大模型。Cursor新模型干活时说中文，Windsurf或用智谱GLM。中国开源模型物美价廉，在榜单和下载量上表现出色。

nof1.ai网站举办“AI量化交易擂台”，让GPT - 4、Claude、DeepSeek等模型用1万美元本金在加密货币市场自动交易。目前DeepSeek排名第一，11天收益率超90%。文章介绍3个相关GitHub项目，可让AI在金融市场竞技、分析交易。

论文提出基础模型本身已具备强大推理能力，通过“幂采样”纯采样算法，在多推理任务上媲美或超越RL后训练，挑战“RL才能提升推理”观念，为理解基础模型潜力开新视角。

本文是腾讯云副总裁黄世飞在腾讯全球数字生态大会的分享，介绍腾讯云AI - Ready数据平台建设进展，涵盖背景挑战、架构创新、生态落地等内容，还提及相关应用实践及未来规划。

本文是腾讯程序员分享当程序员后才知道的事，如改一行代码能崩项目、本地部署模型可免费搞定等，还给出多个有趣观点，最后发起评论互动并抽取粉丝送Q币卡。

云栖大会上，通义团队成果丰硕。Qwen3-Max性能提升，数学评测满分，多测试成绩优异；Qwen3-VL、Qwen3-Omni等开源，各有亮点；Qwen3-Coder升级。吴泳铭称要发展超级人工智能。