「编程测评」共找到 1191 篇相关文章
GPT-5.2刚发布就要被网友玩坏了~
11月19日Gemini-3-pro发布，一周抢1200万用户，OpenAI市值受威胁，GPT-5.2提前上线，专注推理、速度和削减幻觉。文中介绍其技术要点，也展示网友实测情况，如被Gemini-3.0碾压等。
让模型“看视频写网页”，GPT-5仅得36.35分！上海AI Lab联合发布首个video2code基准
上海人工智能实验室等机构提出IWR - Bench评测基准，从“image - to - code”迈向“video - to - code”，对28个主流模型测试，最佳模型GPT - 5仅36.35分，指出当前模型短板，为研究指明方向。
Cursor 0.50 版本升级后如何省钱又高效？一份给开发者的避坑指南
本文围绕Cursor编程助手日常应用展开，讲解计费机制、工具调用等核心要点，结合实践给出高效使用方法论与避坑指南，如合理选模型、巧用工具、设置规则等。
类R1训练不再只看结果对错！港中文推出SophiaVL-R1模型
DeepSeek - R1爆火后，类R1结果奖励训练范式引发推理热潮，但仅以结果对错奖励模型有弊端。港中文联合团队发布多模态推理模型SophiaVL - R1，引入‘思考奖励’机制，还用Trust - GRPO算法解决奖励欺骗问题。
全面评估多模态模型视频OCR能力，Gemini 准确率仅73.7%
MME - VideoOCR团队评估多模态大模型（MLLM）视频OCR能力。构建精细任务体系和高质量数据集，评测18个主流MLLM。即便如Gemini - 2.5 Pro，准确率仅73.7%，暴露出MLLM在视频OCR领域能力局限。
刚刚，Cursor 版 Github 上线
昨天 GitHub 宕机，Cursor 团队趁势宣布代码托管平台 Origin 面向付费用户推 Beta 版。Origin 为 Agent 规模工作流设计，有代码仓库管理等功能，性能数据挑衅，此前曾提前曝光又撤回。
刚刚，阿里Qwen3.8-Max来了！冲进全球第一梯队，模型表现直逼Claude
阿里巴巴突袭发布新一代基座大模型Qwen3.8 - Max，它总参数量达2.4万亿，在多场景表现出色，在权威榜单冲进全球第一梯队，性能直逼Claude，且价格实惠，实测反馈良好。
DeepSeek-V4-Flash正式版发布并开源，全面超越V4-Pro预览版
DeepSeek-V4-Flash正式版发布并开源，这一304B轻量级模型经后训练，性能远超V4-Pro预览版，与Claude Opus-4.8接近。模型权重开源后上Huggingface趋势榜第二，性价比高，实测表现佳。
我去，程序员的福音啊？2.69 万 Star Maple Mono，真心不错，我已经用上啦～～～
介绍开源编程字体 Maple Mono，它将圆角、连字等多种特性融入一套字体，能提升代码可读性、优化符号表达等，解决了程序员高频痛点，但也有局限性，建议试用。
Nathan Lambert：GLM-5.2是开源Agent重大突破，连锁反应将渗透进更广泛的经济体
开源AI观察者Nathan Lambert称GLM - 5.2能做顶尖付费AI才能做的事，是开源Agent重大突破。其表现超预期，是首个在编程框架中用着‘手感极佳’的开放权重模型，将给闭源模型带来价格压力。