#DeepSWE
共 12 篇相关文章
·10 分钟
DeepSWE基准测试深度解析：揭露SWE-Bench缺陷与真实编程能力排名
深度解析DeepSWE编程基准测试如何揭露SWE-Bench Pro的数据污染和作弊问题。GPT-5.5以70%通过率领先，开源模型差距明显。涵盖测试结果、成本对比与开发者实用建议。
阅读全文 →
·9 分钟
DeepSWE基准测试揭示真相：GPT 5.5大幅领先Opus 4.7
DeepSWE长周期软件工程基准测试显示GPT 5.5以70%通过率领先Opus 4.7超15个百分点，且成本仅为其三分之一。深度解析DeepSWE的无污染验证机制、模型行为差异及对AI编程格局的影响。
阅读全文 →
·7 分钟
DeepSeek V4-Pro深度解读：Agent能力升级、跑分实测与API涨价全分析
DeepSeek V4-Pro正式上线，Agent能力大幅升级，推理力度三档可调，原生支持OpenAI Responses API。本文深度解读V4-Pro跑分数据、与V4-Flash对比、DS Bench内部榜单表现，以及8月17日API分时涨价策略详情。
阅读全文 →
·14 分钟
DeepSeek V4 Pro与Grok 4.6同日发布：AI大厂Agent之战全面打响
DeepSeek V4 Pro、Grok 4.6、腾讯混元WorldCloud、阿里万亿开源模型同日发布，Agent能力成主战场，价格战全面开打。深度解析四大发布的核心亮点与产业趋势。
阅读全文 →
·8 分钟
GLM-5.3开源登顶 Gemini 3.7 Flash发布 DeepSeek V4 Pro撤回
智谱GLM-5.3基于743B基座发布，编程能力提升50%并承诺开源权重；谷歌Gemini 3.7 Flash编码能力大幅跃进且价格减半；DeepSeek V4 Pro 0813发布不到24小时即撤回；OpenAI推出UltraFast API与Computer History功能。
阅读全文 →
·10 分钟
Gemini 3.7 Flash编程能力反超Opus 4.8？性价比碾压背后的真相
DeepSWE基准测试显示Gemini 3.7 Flash编程能力超越Opus 4.8，且成本仅为七分之一、速度快6倍。深入分析小模型逆袭现象及对开发者模型选择策略的实际启示。
阅读全文 →
·9 分钟
Laguna S 2.1：参数小14倍却更强的开源编程模型
Poolside 发布开源智能体编程模型 Laguna S 2.1，118B总参数仅激活8B，DeepSWE基准得分40.4%，超越DeepSeek V4 Pro Max约4.5倍。支持百万Token上下文，单台工作站可部署，OpenRouter定价$0.10/百万Token起，256K上下文端点免费。
阅读全文 →
·15 分钟
GPT-5.6深度评测：Sol、Terra、Luna三模型选型完全指南
GPT-5.6正式开放，一次推出Sol、Terra、Luna三款模型。本文结合权威基准数据与真实用户反馈，深度解析三款模型的性能差异、强项弱点，并给出清晰的选型建议，帮你找到最适合自己的那一款。
阅读全文 →
·12 分钟
Codex高效使用指南：避免GPT-5.6疯狂烧额度的实用策略
GPT-5.6（Sol）能力强大却极耗额度？本文整理推理档位选择、Fast Mode开关、Prompt停止点设计等核心技巧，帮你在不撞限额的前提下充分发挥Codex潜力。
阅读全文 →
·10 分钟
GPT-5.6实测：一条Prompt搞定实时语音动漫应用
实测GPT-5.6 Sol模型：单条Prompt自动生成实时语音动漫角色、从零手写物理引擎、自主搭建陌生工具链。深度评测编程能力、智能体任务表现及基准数据对比，解析其性价比优势与幻觉率短板。
阅读全文 →
·11 分钟
GPT-5.6发布：旗舰模型Sol亲自训练小模型，AI递归自我改进成真
OpenAI发布GPT-5.6系列（Sol/Terra/Luna），旗舰模型Sol直接完成小模型Luna的后训练，标志AI递归自我改进进入实践阶段。本文深度解析三款模型性能对比、成本优势、ChatGPT Work新应用及computer use设计能力的显著跃迁。
阅读全文 →
·9 分钟
本地跑大模型是幻觉？开放权重的真实价值与硬件门槛
开放权重≠能本地运行。本文深度拆解GLM 5.2、DeepSeek等大模型的硬件门槛、显存瓶颈、电费成本与并行限制，揭示开源大模型真正的价值：推动云端竞争，而非让普通人在家复刻前沿效果。
阅读全文 →