#SWE Bench
共 414 篇相关文章
·4 分钟
Cursor免费用Grok 4.5：性能、成本与使用指南
xAI Grok 4.5已登陆Cursor编辑器，全套餐免费可用。本文详解开启方式、基准测试表现、Token成本对比，以及与主力模型混搭的实用策略，帮你最大化这一免费窗口的价值。
阅读全文 →
·8 分钟
Rocky开源编程智能体：极简架构原生集成DeepSeek的Coding Agent
Rocky是一款极简透明的开源编程智能体，核心Loop仅几百行Python代码，原生集成DeepSeek搜索与Research模式，内置SWE基准测试环境，适合学习Coding Agent原理、文献调研与可复现的Agent实验。
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 →
·11 分钟
Kimi K3震撼全球：开源大模型正在抹平AI差距？
月之暗面发布2.8万亿参数开源大模型Kimi K3，性能直逼Anthropic与OpenAI旗舰产品，再掀"DeepSeek时刻"。本文深度解析Kimi K3的技术冲击、算力封锁悖论，以及开源策略如何重塑全球AI竞争格局。
阅读全文 →
·13 分钟
大模型岗位新门槛：Agent可观测与评估实战指南
企业级AI大模型岗位要求已全面升级，从流式输出中断恢复、高并发承载、多租户隔离，到大模型网关、Langfuse可观测追踪与LLM评估平台，掌握这八大核心能力，助你从"会用工具"进阶为"工程化落地专家"。
阅读全文 →
·11 分钟
OpenAI发布GPT-5.6与ChatGPT Work：AI自主工作时代来临
OpenAI推出GPT-5.6模型家族（Sol、Terra、Luna）及ChatGPT Work、全新桌面应用与Sites托管功能。AI从问答工具升级为能自主完成长周期任务的工作伙伴，覆盖财务分析、文件整理、网站生成等真实场景。
阅读全文 →
·14 分钟
通用AI崛起：从数学推理到竞赛编程的全面突破
前沿AI模型正加速走向通用化：成本大幅下降、通用模型在数学推理与竞赛编程中超越专用模型、小型编程任务趋近自动化、多智能体工作流持续进化。本文深度解析这些信号背后的技术逻辑与行业影响。
阅读全文 →
·17 分钟
Agent测试全解析：五大核心维度与自动化实战指南
深度解析AI Agent测试的五大核心维度：命令安全性、工具调用准确性、任务规划合理性、输出一致性、错误自我修复。掌握自动化测试脚本方法，了解测试工程师转型Agent测试的必备技能与实战路径。
阅读全文 →
·14 分钟
本地离线RAG应用实战：用Ollama+ChromaDB构建PDF私密问答系统
手把手拆解本地离线RAG应用的完整构建思路：基于Ollama、ChromaDB与Flask，实现PDF文档分块、向量化检索与受控生成，全程无需云端API，敏感文档零泄露风险。适合想入门RAG或重视数据隐私的开发者。
阅读全文 →
·13 分钟
独立开发者实测：AI模型不必拉满，中小项目够用就好
一位不会写代码的独立游戏开发者，用Fable 5、GPT 5.6和Claude Opus深度实测AI协作开发流程。他的结论出人意料：模型不需要拉满，真正的瓶颈是你有没有想清楚要做什么。
阅读全文 →
·11 分钟
Grok 4.5深度解析：专为编程与Agent而生的工程大脑
Grok 4.5正式发布，1.5万亿参数、50万上下文窗口，编程实战成本仅为竞品十分之一。本文深度解析其核心能力、Cursor训练数据优势、性能实测数据，以及马斯克体系数据飞轮的战略逻辑。
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 →
·9 分钟
Anthropic放弃订阅制转向按量计费，是明智还是自断后路？
Anthropic计划将顶级模型从订阅套餐移除、改为按token计量计费，引发社区强烈反弹。本文深度分析这一定价策略背后的商业逻辑、潜在风险，以及对整个AI行业订阅制与按量计费之争的启示。
阅读全文 →
·11 分钟
腾讯HY3开源模型深度实测：轻量MoE硬刚旗舰级性能
腾讯HY3开源大模型正式发布，2950亿MoE架构仅激活210亿参数，实测前端开发、3D模拟、代码生成表现出色，性价比碾压同级竞品，与DeepSeek V4 Pro正面竞争，Apache 2.0商用免费。
阅读全文 →
·14 分钟
Vibe Coding到AI工程化编程：企业级项目实战全解析
AI编程时代，单靠氛围编程只能做玩具项目。本文深度解析从Vibe Coding到SDD规范驱动开发的完整工程化路径，涵盖Claude Code、Codex工具选型、SuperPower插件实战，以及国产大模型横评，帮助开发者掌握企业级AI编程方法论。
阅读全文 →
·9 分钟
Vibe-Research实测：开源AI投研系统功能详解
实测开源投研工具Vibe-Research：支持A股、港股、美股一站式复盘，可接入DeepSeek、Claude等主流大模型。本文详解每日复盘、资产雷达、研报库等核心功能，以及AI配置全流程，帮你搭建专属AI投研助理。
阅读全文 →
·14 分钟
Vibe Coding vs AI工程化编程：企业级AI编程实战指南
从Vibe Coding到AI工程化开发，深度解析Claude Code与Codex的工具选型逻辑，揭示AI编程在企业级项目中的真实边界与落地方法，帮助开发者构建可维护的工程化AI编程体系。
阅读全文 →
·16 分钟
Qwen3 Max重磅更新：前端开发与工具调用能力全面突破
阿里Qwen3 Max预览版完成重要迭代，前端代码生成质量显著提升，智能体工具调用更稳定可靠。本文基于PinBench实测数据，深度解析2.4万亿参数旗舰模型的核心改进、性能表现及免费使用方式。
阅读全文 →
·11 分钟
Vibe Coding入门：零基础用AI做出第一个项目
什么是Vibe Coding？本文带你从零开始了解AI编程新范式——无需科班背景，借助Claude Code、Cursor等工具，只需清晰描述需求，即可让AI帮你构建真实可用的项目。掌握这项能力，就是抢占AI时代生产力红利的第一步。
阅读全文 →
·14 分钟
Grok 4.5发布、TS7提速10倍：一周科技重磅盘点
xAI发布Grok 4.5大模型，数学推理与代码生成能力大幅跃升；TypeScript 7编译速度提升10倍重塑前端生态；OpenAI GPT-Life主攻实时交互；欧盟私信扫描法规引发隐私争议。一文读懂本周最具影响力的科技动态。
阅读全文 →