搜索：编程竞赛基准

「编程竞赛基准」共找到 2037 篇相关文章

大模型全面爆发，所有榜一都是Gemini！谷歌一夜站到了台前

北京时间今日凌晨，Google I/O 2025 开发者大会开启。谷歌发布或升级系列 AI 工具与服务，如升级 Gemini 模型、推出编程智能体 Jules 等，还展示视频图像生成模型、搜索与购物模式升级，展现其在 AI 应用领域强势回归。

Mozilla深度复盘显示，Firefox团队用Claude Mythos Preview，单月修复423个安全漏洞，超此前15个月总和。它挖出271个漏洞，含180个高危，还找到沙箱逃逸漏洞。此外，Anthropic与OpenAI在AI安全能力竞赛中路线不同。

AI时代有人认为IDE要消亡，Andrej Karpathy却觉得IDE不会消亡，只是形态要变，需更大的IDE。他认为编程基本单元变了，还提出智能体组织可被fork，指出人类组织不透明等观点。

上月底Anthropic报告揭示编程趋势转变，月初Claude Opus 4.6与GPT - 5.3 Codex发布印证。作者深度测试GLM - 5，经两项实测挑战，发现其在复杂系统任务表现超预期，有‘系统架构师’思维。

软件行业处在转折点，AI 推动编程变革，企业更重效率。文章围绕五个关键问题展望 2026 年软件工程，分析初级开发者、技能、角色、专家与通才、教育等问题的不同情景，还给出应对建议。

为拿下AI船票，扎克伯格让Meta猛踩油门，投入数百亿参与竞赛，还多次重组AI部门。但他的强硬作风使Meta内部混乱，老将出走，新人不满。Meta虽有新模型计划，可商业模式不明，还面临伦理风险。

Jina AI推出第三代重排器Jina Reranker v3，在多语言检索基准上刷新SOTA。它参数仅6亿，有“last but not late”交互机制，能一次性处理查询和文档。还提供动态量化格式，方便不同硬件部署。

加州大学洛杉矶分校杨林和黄溢辰撰写论文，阐述利用Gemini 2.5 Pro解决2025年IMO竞赛5道题达金牌水平。设计解题者和验证者构成的自我验证流水线，用双提示词系统迭代，还规避数据污染问题。

周二晚间，Andrej Karpathy在X上自宣加入Anthropic，将在核心预训练团队工作。他是AI领域极具影响力人物，曾任职OpenAI、特斯拉等。此次加入或助推Anthropic上市，也让OpenAI面临压力，或引发新一轮AI军备竞赛。

智谱开源 GLM - 5.1，数小时获两百万 + 阅读，海外反应更热烈。它在多个编码基准测试成绩优异，如 SWE - Bench Pro 全球第一。还能完成长程任务，有开发者已用其替换 Opus 4.6 节省成本，但速度问题待解决。