在知名AI排行榜LM Arena中，曾全班垫底的GPT-4.5竟一度拿下第一？甚至在数学、编程等领域表现优异，这反常的表现让网友们一度质疑：大模型竞技场莫非被LLM操纵了？不过网友们在实测后却惊讶发现，GPT-4.5的确情商爆表，不用推理就能理解人类的深层意图！
国内首个原生AI IDE（集成开发环境），来自字节，实测在此：哪怕一点代码都不懂，只要能说出自己的需求，就能靠AI开发出一个功能完备的应用。例如如果你想做一个Flappy Bird游戏，那就用中文跟它说一声就行：
专栏作家Kevin Roose发文称，门外汉用AI就能开发出App，并表示程序员前途不妙。马库斯公开表示Kevin Roose只是重复了别人的创意，所做所为是贩卖焦虑，误人子弟，一旦小孩信以为真，不学编程，美国科技业将万劫不复！
刚刚，我最喜欢的AI编程工具Trae，居然把国内版给上线了。有朋友可能还不知道啥是Trae，我简单顺一下前情提要。Trae是字节出的类似Cursor的AI编程工具，1月20号正式推出，支持原生中文，就这一点，让我这种其实对代码很陌生的人，就觉得极度友好。
从本质上讲，LLM会根据用户从UI的输入生成代码示例。然后，生成的代码会通过中间件逻辑进行处理，根据逻辑跟踪文件、代码更改和第三方API调用。
近年来，大型语言模型（LLMs）在代码相关的任务上展现了惊人的表现，各种代码大模型层出不穷。这些成功的案例表明，在大规模代码数据上进行预训练可以显著提升模型的核心编程能力。
随着 AI 能力的提升，一个常见的话题便是基准不够用了——一个新出现的基准用不了多久时间就会饱和，比如 Replit CEO Amjad Masad 就预计 2023 年 10 月提出的编程基准 SWE-bench 将在 2027 年饱和。
Phi-4系列模型上新了！56亿参数Phi-4-multimodal集语音、视觉、文本多模态于一体，读图推理性能碾压GPT-4o；另一款38亿参数Phi-4-mini在推理、数学、编程等任务中超越了参数更大的LLM，支持128K token上下文。
斯坦福和普林斯顿研究者发现，DeepSeek-R1生成的自定义CUDA内核，完爆了o1和Claude 3.5 Sonnet，拿下总排名第一。虽然目前只能在不到20%任务上超越PyTorch Eager基线，但GPU编程加速自动化的按钮，已经被按下！
当前的 AI 领域，可以说 Transformer 与扩散模型是最热门的模型架构。也因此，有不少研究团队都在尝试将这两种架构融合到一起，以两者之长探索新一代的模型范式，比如我们之前报道过的 LLaDA。不过，之前这些成果都还只是研究探索，并未真正实现大规模应用。
