「代码能力评测」共找到 4920 篇相关文章
谷歌最强大模型付费上线，在DeepSeek开源后被吐槽太贵
谷歌最强模型Gemini 3 Deep Think上线，推理能力强，能将草图变3D场景、搭建游戏。它在多评测基准表现出色，准确率超GPT - 5 Pro等。但仅向Ultra会员开放，月费约1800元，被吐槽贵，开源的DeepSeek-V3.2成冲击因素。
还在拼命加 GPU？AI 应用规模化的下半场，拼的是这五大软件“新基建”
文章指出 AI 应用规模化下半场，拼的是五大软件“新基建”。从云原生到 AI 原生，应用基础设施面临诸多挑战，如从代码中心到智能体管理等。作者提出构建智能体协作网格、认知记忆平台等五座技术灯塔，助力 AI 原生应用发展。
小美Agent：当龙猫遇到美团外卖的灾难现场
作者体验美团AI助手“小美”后吐槽不断。美团称其用有5600亿参数的龙猫大模型，能力接近GPT - 4o，但它理解需求差、操作订单无效、定位混乱。美团做AI是为跟风，未解决用户真需求，是资源浪费。
腾讯出手了！彻底入局Agent
腾讯云入局智能体赛道，将大模型知识引擎升级为智能体开发平台。该平台亮点多，如可一键发布到企业微信，具备多工具调用、多Agent协作能力，工作流有全局视野Agent节点，还有Excel检索增强功能，经测试表现出色。
无需验证器的RL：RLPR解锁LLM通用推理潜能
现有依赖强化学习与可验证奖励（RLVR）提升大语言模型（LLM）推理能力的方法，受限于领域特定验证器。本文提出RLPR框架，利用LLM生成正确答案的固有概率作奖励信号，实现无需外部验证器的通用领域强化学习，效果显著。
AI真有希望考清北了！豆包1.6多模态推理发威，闯关数理化带图大题
火山引擎原动力大会发布豆包大模型1.6，它是国内首款多模态SOTA模型，支持256k上下文长度。实测中它解答高考数理化带图大题表现出色，还具备图像识别、视频理解、GUI操作等能力。此外，火山引擎还推出系列工具和平台助力企业。
AI x 保险图谱：第一家 AI-Native 的保险独角兽会长什么样？
保险业规模庞大但运营效率极低，超 60%流程依赖人工，索赔周期长、客户满意度低。过去两年，LLMs 提升了 AI 处理非结构化信息的能力，使 AI 接管保险核心流程成为可能。GenAI startup 围绕保险流程构建产品，AI-native 保险公司也应运而生。
刚刚！北大校友Lilian Weng最新博客来了：Why We Think
北大校友Lilian Weng更新博客《Why We Think》，回顾利用测试时计算的研究进展，探讨让模型“思考更久”的方法。文中介绍了思维链、潜变量建模等策略，还提及多种提升生成质量的策略，如并行采样与序列修订，以及强化学习提升推理能力等内容。
Fable 5开始灰度解禁？6月26日大限倒计时
被禁用多日的Fable 5疑似开始部分解禁，在少部分用户的Claude手机App中出现，代码更新也释放其将整合进Claude订阅服务的信号。同时，Claude Sonnet 5可能落地，且旧版Sonnet使用限制取消。6月26日美国商务部需对大模型访问权限答复。
Gemini Flash/Lite 更新：更聪明、更快、更省钱
Gemini 2.5 Flash 和 2.5 Flash-Lite 更新，可在 Google AI Studio 和 Vertex AI 上使用。相比稳定型号，预览型号质量和速度提升，效率更高，分别减少一定比例输出令牌。两版本各有优势，如 Flash-Lite 指令遵循等能力提升，Flash 工具使用性能更好。