#SWE-Bench Pro
共 372 篇相关文章
·5 分钟
OpenAI弃用SWE-Bench Pro：AI编程评测的信任危机与未来走向
OpenAI宣布不再推荐SWE-Bench Pro作为AI编程评测基准，折射出数据污染、指标局限等深层问题。本文深入解析AI代码生成能力评测的信任危机成因，以及动态测试、质量评估等新一代评测范式的发展趋势。
阅读全文 →
·10 分钟
千问3.8 27B实测：一张显卡跑长程编程Agent
千问3.8 27B模型本地部署实测，4bit量化塞进24GB显卡，SGLang推理框架避坑指南，编程、长程任务、剧本拆解全面测试，SWE-bench Pro分数超越Claude Opus，个人可用的本地长程编程模型首次成为现实。
阅读全文 →
·10 分钟
Muse Glimmer 30B深度实测：Meta开源智能体模型本地部署全解析
深度实测Meta开源模型Muse Glimmer 30B的智能体代理能力、编程表现与本地部署方案。对比Qwen 3.6 27B，解析基准测试数据、硬件配置建议及适用场景，助你选择最适合的本地AI模型。
阅读全文 →
·11 分钟
DeepSeek-V4-Pro发布：Agent能力与弹性推理机制全面解析
DeepSeek-V4-Pro正式发布，带来Agent智能体能力重大升级、弹性推理强度机制及OpenAI Responses API原生兼容。本文详细解析V4-Pro在生产环境落地、成本控制与开发者生态方面的核心改进。
阅读全文 →
·12 分钟
GLM-5.3发布：后训练扩展如何重塑AI编程能力
Z.ai发布GLM-5.3大模型，通过大规模后训练扩展在同一底座上实现编程能力跃迁，在智能体编程任务上达到开源SOTA水平，并在漏洞发现与网络防御领域展现涌现能力。深度解析其技术路线与行业意义。
阅读全文 →
·11 分钟
ChatGPT市场份额一年缩水22点：AI竞争格局深度解读
ChatGPT在过去一年损失22个百分点的网络市场份额，Google Gemini、Claude、Perplexity等竞品快速崛起。本文深入分析份额下降的真实原因、数据解读误区及对OpenAI的战略影响。
阅读全文 →
·14 分钟
Meta Muse Glimmer 30B深度评测：视觉理解能力惊艳，本地部署门槛低
Meta Muse Glimmer 30B实测评测，296亿参数稠密模型采用Apache 2.0开源协议，视觉理解能力出色，支持128K上下文，24GB显存即可本地运行。详解基准测试、多模态识别表现与局限。
阅读全文 →
·12 分钟
与AI协作编程：为什么越来越像在带团队而非写代码
AI编程助手正在改变开发者的角色定位。本文探讨与AI协作编程如何从代码执行转变为任务管理，以及开发者需要培养哪些新的核心技能来适应这种工作范式转变。
阅读全文 →
·14 分钟
Cursor 入门指南：AI 原生编程工具核心功能与使用场景全解析
深入解析 Cursor 这款 AI 原生编程工具的核心特性，包括智能代码生成、上下文感知、多模型支持等功能，对比传统 IDE 的关键差异，帮助从零基础到资深开发者快速上手 AI 编程。
阅读全文 →
·16 分钟
Bullet编程智能体：比Claude Code快60%的AI编码工具深度解析
Bullet是一款主打速度的编程智能体，通过并行化处理、智能模型选择和定向代码搜索，实现比Claude Code和Codex快30%-60%的效率提升。SWE-bench得分95.8%位列前三，支持复用现有订阅和本地模型。
阅读全文 →
·13 分钟
AI编程Harness之战：同模型慢4倍背后的真相
深度解析AI编程工具Harness之争：CloudCode、OpenCode、Pi等编程外壳在速度、Token消耗、模型自由度和成本上的全面对比，揭示同一模型为何性能差异达4倍。
阅读全文 →
·12 分钟
DeepSeek官方Agent精选库：5500+ Star背后的生态野心
DeepSeek官方开源awesome-deepseek-agent资源仓库，汇集Agent开发框架、工具链与应用案例，已获5500+Star。本文解读这份官方精选库的定位、收录内容及其对Agent开发者的实际价值。
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 →
·13 分钟
AI Agent内部构造解析：智能体如何思考决策与行动
深入剖析AI Agent的内部构造与工作原理，从感知-推理-行动闭环、工具调用、上下文管理到错误处理，揭示智能体的真实运作机制与工程挑战，帮助开发者理解Agent的能力边界。
阅读全文 →
·17 分钟
Muse-Glimmer-30B实测：24G显存跑出九维跑分76分的性价比之王
深度实测Meta开源Muse-Glimmer-30B模型，九大维度403道题综合均分76.04，工具调用90+分碾压同级。4bit量化几乎无损，24G显存轻松驱动，D-Flash加速3.1倍达233tokens/秒，是本地部署玩家的高性价比首选。
阅读全文 →
·10 分钟
多人协作智能体工程：让全团队与AI高效共舞的6条实践经验
来自Superconductor团队的多人协作智能体工程方法论，涵盖模型中立、云端隔离、信号自动化、团队可见性等6条实践经验，帮助团队高效整合AI智能体到日常工作流。
阅读全文 →
·15 分钟
Meta开源Muse-Glimmer-30B模型：Agent能力全面对标Qwen，本地部署指南
Meta开源Muse-Glimmer-30B稠密模型，专为Agent场景设计，支持工具调用与多模态理解。采用Apache协议，部分指标超越Qwen-3 27B，本文详解其性能表现、硬件需求与部署方案。
阅读全文 →
·9 分钟
GLM-5.3深度解析：前沿编码能力与涌现网络安全能力
深度解析GLM-5.3模型的前沿编码能力与涌现网络安全能力，探讨其在软件工程、漏洞发现、安全审计等领域的应用潜力，以及社区对安全治理与滥用风险的讨论。
阅读全文 →
