「编程基准测试」共找到 2946 篇相关文章
DeepSeek V4永久降价！缓存命中再打1折，实测编程成本骤降83%
DeepSeek两天连续两次降价，输入输出2.5折，命中缓存输入折上再1折且无时限。实测编程成本骤降83%，此前31.73元，打折后只需5.34元。其曾引发价格战，此次对海外用户冲击更大。
Claude code让程序员消失，Anthropic却说用AI编程会让你变傻
Anthropic科学家实验发现，新手过度依赖AI编程，概念理解、代码阅读和调试能力显著退化，效率未提升。研究识别六种AI使用模式，指出主动思考才是技能形成途径，应保留人脑训练的“摩擦力”。
澳洲放羊大叔引爆AI编程革命！Claude Code急推goal模式，不干完不许停
澳洲牧羊大叔用三行bash解决AI编程‘把事做完’难题，11天内被OpenAI、Anthropic和Hermes收编。Claude Code推出/goal功能，各公司实现路径不同，争的是工作流入口。
谢赛宁回忆七年前OpenAI面试：白板编程、五小时会议，面完天都黑了
Meta研究者Lucas Beyer在𝕏发起AI大厂面试体验投票引关注。谢赛宁回忆在多家大厂面试经历，如DeepMind考百余问题，Meta FAIR重学术交流，OpenAI五小时白板编程等，还分享了其他人的面试趣事。
图像编辑模型不止生成：BIGAI&上交大提出EAR范式，系统测试其视觉规划能力
上海交通大学联合北京通用人工智能研究院提出EAR范式，构建AMAZE基准，分析图像编辑模型视觉推理能力。研究发现模型零样本表现弱，扩散式模型更适合视觉规划，CoT效果不稳定等。
Claude Opus 4.1火速发布！坐稳编程之王，官方：马上还有大更新
Claude Opus 4.1正式发布，编程性能超Claude Opus 4及竞品，拿下SOTA。在Agent任务和推理方面升级，定价不变。官方将在几周内大规模改进。Anthropic借客户背书，暗秀关系，文风受开发者喜爱。
卡帕西：编程从写文件变成管龙虾！IDE不会凉但得换个用法
AI Coding先锋卡帕西认为，虽AI能生成大部分代码，但IDE不会被淘汰，编程玩法变了，开发工具需进化，功能要从组织文件变为高效协同智能体，还给出了新一代IDE应具备的技能。
参数破万亿！阿里Qwen3-Max-Thinking发布，编程能力“踢馆”Gemini与Claude
阿里发布总参数超万亿的Qwen3 - Max - Thinking，预训练数据规模达36T Tokens。在多项权威测试中表现优异，能与顶级闭源模型竞争。引入两项核心创新，千问App等已上新，网友认可其能力与更新速度。
生成率从8%到60%：快手智能测试用例生成系统的四阶进化
快手研发效能团队构建智能用例生成系统，实现从手动编写到审核校验的模式转变。该系统历经四阶架构演进，将用例生成率从 8% 提升至 60% 以上，成为公司测试人员日常使用的标准化生产力工具。
开源Qwen一周连刷三冠，暴击闭源模型！基础模型推理编程均SOTA
通义千问卷疯了，Qwen3-Coder刚登场，全新开源Qwen3系列最强推理模型Qwen3-235B-A22B-Thinking-2507又刷新SOTA。一周内，通义千问完成开源三连，在基础模型、编程模型、推理模型方面均达全球开源最强。