「代码测试」共找到 3142 篇相关文章
突发！OpenAI「掀桌」：自研推理芯片「墨西哥辣椒」跑赢英伟达
OpenAI公布自研推理芯片Jalapeño（墨西哥辣椒）测试结果，它专为大语言模型推理设计，能同时提升吞吐量和降低延迟，在多模型测试中超NVIDIA系统。该芯片与Cerebras合作，计划2026年底部署。
4.8K Star！一套面向设计工程师的 AI 编码智能体 UI 技能集合！
前端开发中AI生成代码质量参差不齐，ui - skills项目应运而生。它由开发者ibelick创建，是面向设计工程师的UI技能集合，将开发经验转化为规则，通过CLI工具让AI按规则构建和审查代码，已获4.8k Stars。
开源模型首次物理奥赛IPhO夺金！上海AI Lab 235B模型击败GPT-5和Grok-4
上海AI Lab的P1 - 235B - A22B在国际物理奥林匹克竞赛夺金，在HiPhO基准测试获12金1银，超越GPT - 5等闭源模型。团队构建HiPhO基准测试，用多阶段强化学习训练模型，开发PhysicsMinions系统提升推理能力。
告别碎片化日志：一套方案采集所有主流 AI 编程工具
在AI编程工具普及的当下，有效采集和分析AI代码生成数据成重要课题。该文介绍一套基于MCP架构的多AI工具代码采集方案，支持多种工具和操作系统，有轻量化、用户无感等特点，已和Aone合作。
豆包要收费了：三档订阅最贵500元/月，保留免费基础版
五一假期时，豆包要收费的消息冲上热搜。苹果App Store已现订阅服务声明，分三档，最贵500元/月，目前仅测试，正式上线会发完整信息，且保留免费版。豆包APP日活、用户新增和规模都断层领先。
Claude Code 实战横评：GLM4.5 vs DeepSeek 3.1（附Windows MCP配置，免费模型接入）
文章对Claude Code里GLM4.5和DeepSeek 3.1进行实战横评，涵盖数据库、网站、游戏等测试案例。还介绍Claude Code在Windows下配置MCP经验，以及接入GLM、Deepseek等模型的方法和免费平台。
AI能否独立开展科研？ASI-Bench为科学自主性建立评测标尺
ASI-Bench是衡量AI系统科学自主性的基准测试，由多机构联合开发。它能测试AI通用智能、创新性和执行力，通过信息梯度设计，让模型在不同指导量下完成科研任务，结果显示当前AI离自主科研有明显距离。
Memento-Skills VS OpenClaw 不改模型也能进化
Memento - Skills让AI Agent自己设计自己，通过部署时学习进化，不动模型参数，将经验写进技能库。经测试，在HLE和GAIA基准测试中准确率大幅提升，与OpenClaw等定位不同，有多种部署方式，不绑定模型。
我花12小时深度实测，阿里Qwen-3 Coder被Kimi K2“吊打”！
作者花12小时在真实项目中实测阿里Qwen - 3 Coder和Kimi K2。结果显示，Kimi K2在任务成功率、指令遵循、Bug修复、代码重构等方面全面领先，成本还更低，作者更推荐Kimi K2用于代码开发。
国产AI高考708分，这款模型靠什么成为「屏蔽生」？
高考放榜，媒体对国内外大模型进行测试。综合成绩上，讯飞星火X2物理、历史类表现优异；单科专项中，它在数学、作文等测试也领先。其优势源于数据积累、理解评判标准，还采取软硬件一体化落地路径。