「X - BENCH」共找到 466 篇相关文章
深度｜开源大战全面开打：老黄+小扎 vs 奥特曼+达里奥
黄仁勋注册X账号分享公开信《Open Weights and American AI Leadership》，25家联署方支持开放权重模型，OpenAI、Anthropic、谷歌三家闭源前沿实验室未签署。信中核心论点是开放权重模型让AI成行业基础设施，还涉及蒸馏等敏感政策争论。
都在卷「让大模型多循环几遍」，这个7B模型LoopCoder v2说：多循环 1 次就够了
一项新研究表明，7B小模型LoopCoder v2在正常计算外多循环一次，就能在SWE - bench Verified基准上大幅提分。继续增加循环次数，性能反而下降。研究还算了‘收益 - 成本’账，给出选择循环次数的诊断方法。
OpenClaw 走红背后：Agent、AI Coding 与团队协作的新问题
InfoQ《极客有约》X QCon 直播栏目邀请专家探讨 OpenClaw 爆火背后的问题，如 Agent 能否进入研发流程、AI 写代码边界等。专家认为 OpenClaw 并非低门槛产品，AI Coding 需解决可控问题，团队落地要平衡 SPEC 和 Vibe 模式。
AI Coding新王登场！MiniMax M2.1拿下多语言编程SOTA
MiniMax发布旗舰级Coding & Agent模型M2.1，在Multi - SWE - bench榜单中以10B激活参数拿下49.4%成绩，超越竞品成SOTA。它解决模型‘偏科’问题，适配开发工具链，实测在多语言编程任务中表现出色。
登顶！快手发布开源编程模型，720亿参数，创下编程能力新纪录
快手发布开源编程模型KAT-Dev-72B-Exp，在SWE-Bench Verified测试中登顶开源代码模型，与闭源GPT - 5成绩相近。该模型基于自研框架，有架构创新，还集成多种软件工程能力，是构建编程智能体的有力工具。
近 300万人围观卡帕西亲测 Opus 5：两小时写完 5500 行代码， 却连自己写的游戏都玩不了
8月2日，Andrej Karpathy在X公布实验，让Claude Opus 5用Three.js将《指环王》第一章渲染成3D场景，约两小时写出5500行代码。Opus 5按传统游戏开发路线搭建场景，这改变了内容定制方式，但模型验证能力不足。
突发｜Andrej Karpathy官宣加入Anthropic！
周二晚间，Andrej Karpathy在X上自宣加入Anthropic，将在核心预训练团队工作。他是AI领域极具影响力人物，曾任职OpenAI、特斯拉等。此次加入或助推Anthropic上市，也让OpenAI面临压力，或引发新一轮AI军备竞赛。
实测刘翔pick的AI汽车，BBA老车主的豪华滤镜碎了
作者试驾了刘翔代言的智己汽车LS8，体验其智能辅助驾驶、AI助理等功能。该车与宝马X5等尺寸相近但价格低，有诸多黑科技，还让BBA老车主滤镜破碎，显示传统豪华溢价时代或终结。
大模型进入研发体系后，我们看到了这些变化
InfoQ《极客有约》X AICon 直播邀请同程、网易、百度工程师探讨大模型入研发体系的变化。指出其在提效、协作、分工上作用大，还分析了适用场景、工程师收益类型及核心竞争力等，也提及效率评估、代码生成等问题。
24B模型编程超DeepSeek全家桶，32G内存苹果电脑就能跑，专门针对真实GitHub Issue训练
Mistral发布最新开源编程模型Devstral，参数24B，能在单卡RTX4090甚至32G内存Mac上运行。它专为编程智能体推出，针对真实GitHub Issue训练，在SWE - Bench Verified测试中表现出色，还可与All Hands AI框架配合。