#编程能力
OpenAI的GPT-6 Astra与Anthropic的Claude Fable 5.1正面PK,成本、编程能力实测对比
OpenAI的GPT-6 Astra主打电脑操作能力,速度提升近一倍,但编程能力只是第一梯队并列。
智谱用同一套基座只做后训练,就把 GLM-5.3 的编程能力拉高了五成,还能在开源项目里挖出两千多个漏洞,挺值的看。
想用最强开源编程模型的可以蹲一下,GLM-5.3 纯靠后训练就把 Terminal-Bench 分数翻了 6 倍,两周后开放权重。
DeepSeek V4 Pro编程只比Claude旗舰差0.3%,API价格便宜很多,还适配国产芯片,性价比拉满。
月之暗面刚发的Kimi-K3直接打败了Fable,中国模型第一次在Frontend Code Arena登顶,开源领域又一大动静。
谷歌Gemini 3.5 Pro延期了,编程能力没达标,内部还乱成一团。和OpenAI、Anthropic比差距更大了。
OpenAI发现SWE-Bench Pro这个编码基准有70%噪音上限,已经饱和了,不再适合用来衡量最强AI编码能力。
论文介绍RiVER,用强化学习训练模型解决无标准答案的得分优化问题,还能顺带提升常规编程基准,实用思路值得一看。
豆包2.1的Agent太能干了,独自跑18小时写出芯片代码,编程水平还追上了Opus 4.7,做硬件的可以关注下。
做 AI 模型评估或选型的团队,DeepSWE 能帮你看到模型在长周期软件工程任务上的真实差距,建议关注这个新基准。
国产模型首次在权威编程盲测中超越 Claude Opus 4.6,做 AI 编程工具选型或关注国产大模型进展的开发者值得关注,建议直接去 Code Arena 看榜单。
哈萨比斯直接反驳了 AI 裁员论,给焦虑的开发者吃了定心丸——做编程或技术决策的人看完会松口气,建议点开了解他的完整观点。