标签: Benchmark

清除筛选

阶跃星辰 Step 5 Preview 解读：600B 参数 27B 激活，10 月 15 日开源权重

阶跃星辰 Step 5 Preview：同价位挖不动，同智商更便宜的选择出现了 9 月 20 日上午，上海模型公司阶跃星辰发布新一代旗舰模型 Step 5 Preview，并同步放出一个在国产模型里相当少见的承诺：10 月 15 日开放权重下载。这份发布页值得逐段读的原因在于，它没有把篇幅花在「超越 GPT」这类叙事上，而是围绕一条完整的证据链展开：同级智商…

开源AI大模型Benchmark阶跃星辰

8 个顶尖编程 AI 做从未见过的企业代码，最好的也只解出四成

Real-SWE 的完整成绩单，第一次把「SWE-bench 分数」和「真实工程能力」之间的差距量化了出来。 9 月 10 日，Y Combinator 2026 年冬季赛道孵化（实际为 F25 批次）的 Specific Labs 团队发布了编程基准 Real-SWE。它和 SWE-bench 系最大的区别只有一条：所有任务都来自真实公司的私有代码库，模型…

编程AI智能体Benchmark软件工程

Ponytail 技术解读：七级决策梯如何让 AI 编码代理少写 54% 的代码

AI 编程工具的功能列表越拉越长，代理写出来的代码却常常比需要的多得多：要一个日期输入框，它会安装第三方库、封装组件、再补一堆样式和配置。GitHub 上的开源项目 DietrichGebert/ponytail 把这个问题当成唯一目标来处理。它的自我介绍只有一句：让你的 AI 代理像屋里最懒的高级工程师一样思考，最好的代码是你永远不用写的那部分。 这个项目…

开源AIClaude CodeBenchmark编码代理