「编程竞赛基准」共找到 2037 篇相关文章
AI编程新王Claude 4，深夜震撼登基！连续编码7小时，开发者惊掉下巴
Anthropic发布全球最强编程模型Claude 4，含Opus 4和Sonnet 4。Opus 4是顶尖编码模型，Sonnet 4是Sonnet 3.7的重大升级。还发布系列产品，Claude 4定价与此前一致，部分用户可体验。
GPT-5实锤，悄悄上线代号「龙虾」！版本号曝光，实测编程惊人能改屎山代码
代号「龙虾」的神秘模型在WebDev Arena现身，网友猜测是GPT - 5，提前试用者称其编程能力惊人，能改屎山代码。多位用户表示其在代码生成等方面超越Claude，OpenAI或已秘密测试。
AI编程里程碑！谷歌AI自己写代码惊呆工程师，GPU内核算法反超人类21%
谷歌AlphaEvolve的开源实现OpenEvolve自学写代码，在苹果芯片上进化出比人类快21%的GPU核函数。它自主发现多项优化策略，经多维度测试，性能显著提升，开启「AI为AI编程」新时代。
没想到 2025 年 AI 领域爆发最猛烈的居然是它
文章指出2025年AI编程领域爆发式增长，一年营收从几亿到百亿美金。因其适合编程场景，能帮助各用户群体，未来渗透率有望大幅提升。还分析了发展猛的原因，且认为其潜力大，赛道仍在加速。
红杉中国推出 Agent 基准测试「xbench」，双轨评估体系，关注 AI 真实场景的效用
红杉中国开放AI和Agent基准测试工具「xbench」，采用双轨评估体系，构建多维度测评数据集。首期发布两个核心评估集并排名，提出垂类Agent评测方法论。该工具旨在解决现有评估问题，关注AI真实场景效用。
如何让 AI 成为你的编程搭档？一次真实重构告诉你答案
文章介绍编程工具Cursor，它是基于VS Code、深度集成AI的智能代码编辑器，有多种模式，能力强但有局限。作者分享用其完成重构需求的过程、经验，还提及使用中踩坑及应对方案，最后总结提效成果。
专业医生远不如AI模型？OpenAI推出医疗开源测试基准HealthBench，o3表现最强
OpenAI推出医疗开源测试基准HealthBench，由262位多国医生合作打造，含5000段真实健康对话。评估显示o3综合表现最佳，顶尖AI处理任务能力超无辅助医生，HealthBench更真实专业有区分度，但也有局限。
对话 Ruby on Rails 之父：发自内心恨透 Copilot，手凿代码才是程序员的乐趣
传奇程序员 DHH 做客播客，深入探讨世界观。他虽用 AI 学习，但担忧 AI 编程助手致技能退化，‘恨透’它。还谈及编程经历、语言看法、架构偏好、商业哲学等，观点鲜明，引发关注。
从「记忆解题」到「深度推理」：港科大推出首个本科数学动态评测基准 UGMathBench
港科大团队发表在 ICLR 2025 的研究 UGMathBench，是首个本科数学动态评测体系。它涵盖 16 个学科领域，通过变量扰动创建多版本试题，引入创新指标评估模型推理能力，测试结果揭示了当前模型短板。
谷歌杀疯了！Gemini CLI 重磅发布：对标 Cursor 的开源 AI 编程神器，个人完全免费
谷歌发布开源AI代理Gemini CLI，个人免费使用，用Gemini 2.5 Pro模型，有100万token上下文窗口，免费额度大。它是全能AI助手，功能强大，与VS Code无缝切换，GitHub项目已获9k+ Star。