「编程评测」共找到 1708 篇相关文章
AutoDev 架构升级：多端编程 Agent（CLI/Desktop/Mobile），欢迎一起参与演进
作者介绍 AutoDev 架构升级情况，新架构基于 KMP + Compose 重构，构建多端编程 Agent，含 CLI、Desktop、Mobile 等版本。还引入 CodeGraph 节省成本，用 Compose 重塑界面，欢迎各方参与演进。
研究显示：AI 并没有提升编程效率，它反而让你变慢了19%
METR研究显示，16位资深开发者在真实项目测试中，使用AI工具效率降低19%。分析发现，编写提示词、等待响应等耗时多，保留代码仅44%。研究指出多因素致效率低，网友看法不一。
规范对齐时代：GPT-5 断层领先，让安全与行为边界更明晰
上海交通大学等团队提出规范对齐概念，构建评测基准 SpecBench 评测 33 个主流模型，发现多数模型有不足。还探索测试时深思方法，如 Align3 能提升规范遵循度，GPT - 5 在规范对齐上断层领先。
警告：你的Agent可能无法"解决"真实世界的视觉问题
文章提出 AgentVista 评测基准，含 209 道任务，横跨 7 大领域 25 个子方向。评测 14 个主流模型，最强的 Gemini - 3 - Pro 准确率仅 27.27%，揭示多模态 Agent 在视觉理解、工具调用等方面挑战大。
Gemini 3来了，Software 3.0也快了
作者认为Gemini 3是目前最好的模型，编程时前端用Gemini 3，后端用Codex。无编程需求时，它也能助力信息处理。Google推出Generative UI，二者结合让我们接近Software 3.0。
氛围编程时代来了！AI生成+一键上线，Coding像拍照一样简单
YouWare是面向AI时代创作者的氛围编程平台，自研AI Agent和Sandbox技术，让非程序员也能将灵感转化为可视化网页并分享。它类似共创社区，有展示、互动、二次创作等功能，重新定义了AI Coding。
AI 会笑吗？BIGAI & 上交大团队：多模态大模型是否真的能 get 到视频笑点｜ACL 2026
上海交通大学等团队构建v-HUB评测基准，分析多模态大模型视频幽默理解能力。评测7个前沿模型发现，模型依赖文字、主动发现笑点能力弱，声音作用有限，还需考虑隐形线索。
2025科技圈最新职位：“Vibe Coding擦屁股工程师”，专治老板们的决策性Bug
生成式AI兴起后，科技公司CEO用其取代员工致大量裁员。但“氛围编程”效果不佳，AI生成代码常需修复，“氛围编程清理专家”应运而生，市场需求或不断增长，不过网友对此看法不一。
藏师傅 Kimi K2 Thinking 首测！教你用 Kimi 编程全家桶
本文首发测评藏师傅 Kimi K2 Thinking，介绍 Kimi 编程全家桶。K2 Thinking 有 Agent 化等多方面升级，还推出 Kimi CLI 工具与 KFC 套餐。作者展示全家桶使用方法并多维度测试，肯定其表现，赞 Kimi 战略清醒务实有远见。
无需租GPU，一台24GB内存的笔记本就够了!
阿里开源稀疏 MoE 模型 Qwen3.6-35B-A3B，总参数 35B，激活 3B。它在智能体编程上超越前代，可与稠密模型媲美，支持多模态，已在 Qwen Studio 上线，还能集成第三方编程助手。