「编程基准」共找到 1887 篇相关文章
OpenRouter模型7月排名：谷歌遥遥领先，DeepSeek 令牌份额占比超越Anthtropic
OpenRouter公布7月模型排名，按模型令牌份额占比，谷歌以43.2%遥遥领先，DeepSeek 19.4%超Anthropic，OpenAI仅5.9%。编程领域Claude sonnet 4占比第一，谷歌Gemini 2.5pro进步大。
Cursor 1.0 正式发布：AI 代码编辑器进入“自动审查 + 记忆”时代！
智能代码编辑器 Cursor 正式发布 1.0 版本，带来多项重磅功能，如自动代码审查助手 BugBot、Jupyter Notebook 原生支持、项目级 AI 记忆等，还提升了用户体验，是向“AI 编程操作系统”迈进的重要一步。
首个英文原生「弱智吧」！逻辑谬误数据集与生成框架来了 | AAAI'26
研究发现大模型判断逻辑谬误易误报正常句子，但分类能力较强。研究人员构建英文逻辑谬误基准SMARTYPAT - BENCH，开发生成框架SMARTYPAT，为大模型逻辑评估提供新思路，可用于多领域。
创始人“背刺”员工获财富自由，Devin 接盘火速兑现员工期权，华人 CEO 暗讽：做个人吧！
当地时间 7 月 14 日，Cognition 宣布收购 Windsurf。此前 Windsurf 收购案波折不断，创始人带部分人去谷歌，遭网友吐槽“背刺”员工。Devin 接盘后保障员工权益，还引发对 AI 编程工具竞争的讨论。
本周推荐的5个超级6的Github开源项目！
文章推荐了5个Github开源项目。如htmx，能在纯HTML搞定多种交互，无需JS；Flow.Launcher可快速搜索文件、启动应用；Maple Mono是编程字体，中英2:1对齐；Trilium Notes是分层笔记神器；Hyprnote可实时转录会议内容。
卷疯了！2.2k Star通用型、开源Agent平替Manus、GenSpark AI
2025 年是 Agent 之年，文中介绍了 Manus、GenSpark AI 两款闭源代理，还重点阐述开源的 II - Agent，它功能丰富，架构设计合理，在 GAIA 基准测试评估，性能可平替前两者。
智元机器人发布并开源首个机器人动作序列驱动的世界模型
近日，智元机器人发布并开源全球首个基于机器人动作序列驱动的具身世界模型 EVAC 及具身世界模型评测基准 EWMBench，构建全新开发范式，打破具身智能演进制约。
Claude 4破解困扰人类4年系统bug，30年码龄程序员200小时没搞定，GPT-4.1/Gemini-2.5也做不到
30年码龄程序员4年没搞定的顽固型‘白鲸bug’，Claude Opus 4配合Code模式，用30个prompt+1次重启，几小时就破解。此前GPT - 4.1等模型都失败，凸显Claude编程与推理能力强。
Claude 额度又双叒叕调整……是个好消息，更是坏消息
Anthropic 从 6 月 15 日起调整 Claude 额度规则，编程与交互用途用量分家，设独立月度 credit。对轻度用户是利好，重度用户是降级，第三方工具开发者喜忧参半，还与 OpenAI Codex 形成对比。
黄仁勋预言成真！AI智能体成GitHub主力，一天顶人类一年
加拿大女王大学研究揭示AI编程智能体大规模渗透开源社区，它们活跃于开源一线，效率高但代码接受率低于人类，研究为其时代勾勒发展方向，软件工程行业面临变革。