#Terminal Bench
共 104 篇相关文章
·8 分钟
Kimi K3深度解析：3万亿参数开源模型如何触及前沿
深度解析Kimi K3模型：3万亿参数的最大开源权重模型，在Agentic编码领域超越Opus级模型，采用896专家MoE架构支持100万token上下文，以Sonnet价格提供前沿性能，重新定义开源与闭源差距。
阅读全文 →
·12 分钟
Laguna S 2.1深度评测：1180亿参数编程模型本地部署实战
深入评测Poolside发布的Laguna S 2.1开源编程模型，解析其MoE架构、强化学习训练方法、DGX Spark本地部署技巧及实际编程能力测试，探讨80亿激活参数如何实现智能体编程。
阅读全文 →
·10 分钟
Kimi K3深度实测：2.8万亿参数开源模型首次逼近闭源前沿
月之暗面发布Kimi K3开源权重模型，2.8万亿参数、100万token上下文窗口，在Deep SWE、SWE Marathon等基准测试中跻身第一梯队。本文基于长时间实测，详解其编码能力、3D开发、长时程Agent表现及安全隐忧。
阅读全文 →
·7 分钟
Kimi K3发布：2.8万亿参数开源模型如何重塑AI性价比格局
月之暗面正式发布Kimi K3，2.8万亿参数、100万上下文、原生多模态开源模型。凭借KDA架构创新与超低成本，在编程、知识工作等基准测试中媲美GPT-5.6与Fable 5，重新定义AI竞赛性价比。
阅读全文 →
·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 →
·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
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 →
·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 →
·14 分钟
AI工业时代来临：算力争夺、芯片重构与GPT-5.6作弊风波全解析
本文梳理AI行业五大关键动向：豆包日均调用破180万亿、OpenAI自研AI芯片、英伟达预测3-4万亿美元算力投资、中国AI追平顶尖模型，以及GPT-5.6作弊风波与政府介入，深度拆解AI从模型时代迈入工业时代的产业逻辑。
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 →
·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 →
·7 分钟
AI不好用？先分清是循环、框架还是上下文哪层出了问题
AI智能体不好用，根源往往不在模型本身。本文拆解循环工程、框架工程、上下文工程三层架构，帮你快速定位病灶：反复犯错是框架问题，越聊越笨是上下文腐烂，离不开人盯是循环没搭好。
阅读全文 →
·12 分钟
Kimi K3深度解析：2.8万亿参数开源大模型架构与实测全面解读
Kimi K3正式发布，2.8万亿总参数、896个MoE专家、百万级上下文，编程基准超越GPT与Gemini。本文深度解析其线性注意力、Attention Vigilance等核心技术，以及Perception Bench多模态评测表现，带你读懂这款全球最强开源大模型。
阅读全文 →
科技前沿
GitHub趋势·07月19日：AI语音克隆与异构推理双双爆火
·1 分钟
GitHub趋势·07月19日：AI语音克隆与异构推理双双爆火
今日GitHub新上榜10个项目深度解读
阅读全文 →
·9 分钟
单张RTX 3090本地跑Qwen3.6 27B：性能媲美云端的完整指南
一张二手RTX 3090，一个16.8GB的GGUF文件，Qwen3.6 27B即可本地离线运行。SWE-bench得分77分媲美Claude Sonnet，MTP技术让推理速度提升至59 token/s。无订阅、无云端、数据不出门，本地AI编程助手完整部署指南。
阅读全文 →
·10 分钟
GPT-5.6深度拆解：AI自主训练AI开启模型竞赛新范式
OpenAI正式发布GPT-5.6，拆分为SO、TERA、LUNA三个独立模型。旗舰模型SO完成了LUNA的后训练，标志着「AI自主训练AI」时代来临。本文深度拆解三层定价策略、Programmatic Tool Calling机制、METR安全争议及政府审查制度转向，给出5条工程化落地建议。
阅读全文 →
·11 分钟
Ornith 1.0 九B模型本地实测：塔防游戏暴露小模型编程瓶颈
在16GB内存M4 Mac mini上实测Ornith 1.0 9B开源模型的智能体编程能力。塔防游戏任务对比9B与35B模型，揭示小参数模型在代码生成精度上的本质局限，以及本地AI编程工具的真实边界。
阅读全文 →
·17 分钟
GPT-5.6与ChatGPT Work发布：AI从对话助手进化为任务执行者
OpenAI发布GPT-5.6模型家族（Sol/Terra/Luna）及ChatGPT Work、全新桌面应用与Hosted Sites。AI定位从"回答问题"转向"完成任务"，支持本地操作、跨源整合与长周期自主执行，正式进入工作伙伴时代。
阅读全文 →
·8 分钟
GPT 5.6 Soul深度评测：子代理系统、政府审查与竞品对比
深度解析GPT 5.6 Soul核心能力：多子代理并行架构、Ultra Mode编码实战、Terminal Bench 91.9%高分背后的争议，以及前沿AI模型进入政府监管审查时代的行业趋势。附与Clawed Fable横向对比。
阅读全文 →