GPT-5编程成绩有猫腻！自删23道测试题，关键基准还是自己提的
GPT-5编程成绩有猫腻！自删23道测试题，关键基准还是自己提的别急着用GPT-5编程了，可能它能力没有你想象中那么强。 有人发现，官方测试编程能力用的SWE-bench Verified，但货不对板，只用了477个问题。
来自主题: AI资讯
6299 点击 2025-08-12 17:07
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
别急着用GPT-5编程了，可能它能力没有你想象中那么强。 有人发现，官方测试编程能力用的SWE-bench Verified，但货不对板，只用了477个问题。
这个周末，对OpenAI的抗诉，好像从未如此热闹过。 起因自然还是因为GPT-5。 OpenAI上了GPT-5当天，做了一个非常神奇的操作，他们只保留了GPT-5，然后把GPT-4.5、GPT-4o、o3什么的，全都砍掉了。
现过去几个月，我把 Claude Code 当“外包程序员”用，爽是爽，但也踩了三大坑：容易跑偏、交付不稳定、成本不可控。直到我换了思路——别把它当单体 AI，而是按角色拆分、按流程固化、按能力外接、按体验提效。
随着 Gemini-Diffusion，Seed-Diffusion 等扩散大语言模型（DLLM）的发布，这一领域成为了工业界和学术界的热门方向。但是，当前 DLLM 存在着在推理时必须采用预设固定长度的限制，对于不同任务都需要专门调整才能达到最优效果。
当Cleo创始人Barney Hussey-Yeo在LinkedIn上宣布"Cleo刚刚达到2.8亿美元年度经常性收入，AI正是开始取代传统的理财管家。
近日，一项由北京大学、字节跳动 Seed 团队及香港大学联合进行的研究，提出了一种名为「SWE-Swiss」的完整「配方」，旨在高效训练用于解决软件工程问题的 AI 模型。研究团队推出的 32B 参数模型 SWE-Swiss-32B，在权威基准 SWE-bench Verified 上取得了 60.2% 的准确率，在同尺寸级别中达到了新的 SOTA。
近期，基于大语言模型的智能体（LLM-based agent）在学术界和工业界中引起了广泛关注。对于智能体而言，记忆（Memory）是其中的重要能力，承担了记录过往信息和外部知识的功能，对于提高智能体的个性化等能力至关重要。
科研er看过来！还在反复尝试材料组合方案，耗时又耗力？ 新型“神经-符号”融合规划器直接帮你一键锁定高效又精准的科研智能规划。
AI生图，但是没有AI味，可能么？ 一款全新、可编辑、照片级的AI生图模型FLUX.1 Krea [dev]现已发布，可在Krea Edit上免费试用。
不仅能达IMO银牌水准，更能解决普特南数学竞赛难题，甚至超越顶尖模型o4-mini！ 字节发布全新复杂数学解决模型——Seed-Prover。