「代码能力评测」共找到 4918 篇相关文章
金融大模型升级决策平台！马上消费发布“天镜”3.0破解经验碎片化难题
6月6日“2025消费金融生态大会”在重庆举行，马上消费常务副总经理蒋宁推出全面迭代的“天镜”3.0。它开启从个体到群体智慧跃迁，挖掘隐性经验，能匹配最佳服务路径，还具备协同进化能力。
Meta「轻量级」KernelLLM颠覆GPU内核生成，8B参数碾压GPT-4o
Meta推出基于Llama 3.1微调的8B参数KernelLLM，能将PyTorch代码转高效Triton GPU内核。实测单次推理性能超GPT - 4o和DeepSeek V3，多次生成得分更高，让内核开发更易上手。
微软正式开源UFO²，Windows桌面迈入「AgentOS 时代」
微软研究团队正式开源业内首个深度集成 Windows 操作系统的桌面智能体平台 UFO² AgentOS。它是 UFO 升级版，解决传统智能体问题，在多维度实现突破，经测试表现领先，代码和文档已开源。
开源Top2！实测阶跃Step 5 Preview，真有点猛啊…
本文是量子位作者对阶跃星辰新发布的开源旗舰大模型Step 5 Preview的实测与解读，介绍了其参数架构、评测排名、成本优势，展示了多类任务实测效果，分析了技术路线与行业价值。
刚刚，GPT-6正式发布！OpenAI：欢迎来到AGI时代
OpenAI正式发布GPT - 6 Astra和GPT - 6 Astra Pro，宣布AGI时代开幕。该模型训练规模大，能力升级显著，价格公布。基准测试成绩优异，在多方面表现突出，还展示诸多实际应用案例，已有企业开始测试。
全球首个通用决策大模型，AI推演现实世界的技术揭秘
中科闻歌决策机Decitron被称为「全球首个通用决策大模型」，它将不同能力统一到开放世界决策框架，形成闭环。8月3日其技术报告发布，公开三项核心技术，还介绍了推演流程和实验验证情况。
Facet-0：NTU王子为团队让机器人在精密装配中「看得懂、插得准、出错能恢复」
新加坡南洋理工大学PINE Lab团队研发Facet - 0机器人基础模型，用于精密装配。它在五项计算机装配任务中平均成功率达82%，能让机器人理解接触状态、判断对错并改进。通过多阶段训练，降低人工干预率，提高失败恢复率。
企业级Agent落地有了样板间！百融硅基员工批量上岗，“按结果”领工资
百融智能中报显示，受外部因素影响公司总收入波动，但AICC业务同比增长52%。其已在金融场景打磨能力并向多行业复制，采用RaaS按结果收费模式，还提出“技术重构型AI Roll - up”概念。
北大联合阶跃星辰提出TensorCast：统一可编程管理大模型张量，推理「首字延迟」最高降低93.2%
随着模型规模增长、新应用兴起，大模型基础设施面临管理「张量状态」挑战。北大、阶跃星辰与北邮联合提出 TensorCast，解耦张量状态，复用管理能力，在多场景测试中表现出色，为大模型基建提供新范式。
刚刚，DeepSeek V4 Pro正式版发布，多项对标Fable 5
刚刚，DeepSeek V4 Pro正式版发布，多项对标Fable 5，Agent能力几乎全方位碾压Opus 4.8，无限逼近Fable 5。API平台已更新，价格和之前Pro预览版基本一致，但网友实测发现CoT表现不佳。