「OpenAI MLE - Bench」共找到 1985 篇相关文章
OpenAI Codex桌面版深夜突袭！一人指挥Agent军团，程序员彻底告别996
OpenAI推出编码杀器Codex桌面App，可指挥多Agent并行协作。它能多任务并行切换，创建调用Skills，设置自动化流程，从写代码进化到解决问题，还具备双人格模式，默认安全，有望重塑开发者与代码交互逻辑。
甲骨文推出全球最大AI超算，作为OpenAI「星际之门」算力核心
甲骨文于2025年AI World大会发布全球最大云端AI超算「OCI Zettascale10」，成OpenAI「星际之门」算力核心。其独创Acceleron RoCE网络提升性能与能效，但16 ZFLOPS算力待验证，甲骨文还推积分计划吸引客户。
4页绝密文件曝OpenAI野心！ChatGPT占领人类心智，25年致命杀招公开
法院文件揭露OpenAI战略，要让ChatGPT成年轻一代心中「最酷智能体」。2025年上半年将其升级为超级助手，下半年扩展功能。还剖析对手，计划构建护城河，加倍投入品牌。
每周7亿人都在如何用ChatGPT？OpenAI最全报告来了
OpenAI联合哈佛大学经济学家发表论文《How People Use ChatGPT》，基于内部对话数据，分析ChatGPT从2022年11月上线到2025年7月的使用情况。截至7月，周活超7亿，每周发消息180亿条。
全球AI新王诞生！Anthropic估值冲爆1.2万亿，首次反超OpenAI
Anthropic估值达1.2万亿美元反超OpenAI，若上市将成全球第11大上市公司。其年化收入和使用量一季度同比增80倍，获马斯克22万张GPU及谷歌2000亿美元云服务协议，但维持高估值面临挑战。
为 OpenAI 秘密提供模型测试， OpenRouter 给 LLMs 做了套“网关系统”
OpenRouter成立于2023年初，为用户提供统一API Key调用各类模型，OpenAI会用其秘密测试。平台token用量高速增长，还发布模型用量排行榜引关注。创始人认为大模型非赢家通吃，未来想成agent最佳推理层。
微软上线Deep Research：OpenAI同款智能体，o3+必应双王炸
今天凌晨微软在官网宣布，Azure AI Foundry中上线Deep Research公开预览版，这是支持API和SDK的OpenAI高级智能体研究能力产品。它通过必应搜索与GPT系列模型深度协同，将研究流程全面自动化。
AI能否「圣地巡礼」？多模态大模型全新评估基准VIR-Bench来了
来自日本高校和企业团队提出多模态大模型评估基准 VIR-Bench，用于评测 AI 对旅行视频中地理位置与时间顺序的理解。它将任务拆解，构建数据集，实验显示模型虽有改进但性能远未达标，指明了大模型进化方向。
中美AI竞争的四种未来：OpenAI情报与调查团队指出决胜点
OpenAI情报与调查团队对中美未来几年AI竞争进行推演，指出美国有资本、算力等优势，但面临电力等问题；中国靠国家意志推动，有工业协调等优势。未来博弈有四种结局，决胜看中国算力自救、全球‘朋友圈’和本土市场消化能力。
OpenAI彻底重构Codex！长出独立鼠标，自己排班狂卷打工人
OpenAI重磅更新Codex，它能在后台开模拟器、修Bug，不影响前台工作。有独立光标，支持在渲染网页上操作改代码，还上线90多款插件，新增‘心跳’机制，能自己排班，补齐日常刚需功能。