刚刚，Grok4跑分曝光：「人类最后考试」拿下45%，是Gemini 2.5两倍，但网友不信
刚泄露的Grok 4和Grok 4 Code基准测试结果显示其在Humanities Last Exam(HLE)上达到惊人的45%，远超OpenAI o3及Claude Opus 4。此外，在研究生级物理和天文学问题上得分高达87-88%。
SWE-bench
Kimi超过DeepSeek的新模型被指“套壳”Qwen？到底怎么回事儿
月之暗面发布的Kimi-Dev-72B模型在SWE-bench Verified上取得60.4%成绩，超越多个竞争对手。但标注基于Qwen/Qwen2.5-72B引发争议。林俊旸解释这是历史遗留问题，并表示所有Qwen3系列都将采用Apache 2.0协议，推动生态发展。
月之暗面又开源了！登顶全球第一，还超了新版DeepSeek-R1
Kimi-Dev-72B是首个在SWE-bench Verified编程基准测试中取得全球最高开源模型成绩的代码大模型，参数量仅为72B。通过大规模强化学习优化，Kimi-Dev-72B不仅能在错误修复和单元测试方面表现出色，还支持自我博弈机制以同时担任BugFixer和TestWriter的角色。
AI编码新神登基，藏师傅一手Claude 4实测
Claude Opus 4 是全球最佳编码模型，在复杂任务和代理工作流中表现出色。Anthropic 发布了 Claude Sonnet 4，并且免费开放给所有用户。新模型具有强大的代码生成能力和交互式网页生成功能，支持多语言、动态数据展示以及多种图表和筛选条件的实时更新。
Claude 4 发布：实测代码更强，同时 Cue 了 Manus
今天凌晨，Anthropic 发布了 Claude 4 系列模型，包括旗舰版 Claude Opus 4 和主力版 Claude Sonnet 4。两款模型支持扩展推理、工具调用等Agent工作流所需核心能力，并在编程相关测试中表现出色。Claude Code 开放，方便开发者嵌入日常开发流程。Manus 国产 Agent 工具首次被 Anthropic 正式引用。
Agent大革命！Claude 4连续自动编程7小时，刷新世界记录
今天凌晨1点，著名大模型平台Anthropic发布了最新大模型Claude 4。Claude 4包括Opus 4和Sonnet 4两个版本，其中Opus 4在编程领域表现出色，独立稳定连续工作7小时超过OpenAI记录；Sonnet 4则在SWE-bench上达到72.7%表现优于Codex-1等前沿模型。Claude 4具备两种思考模式：标准和扩展，用户可以灵活切换以满足不同场景需求，并新增了思考摘要功能来帮助节省空间。Anthropic还宣布了一系列新功能和集成，助力开发者构建更强大的AI智能体。
最强编码模型Claude 4来了！Mcp集成无需Client，扩展提示缓存增强Agent长上下文保持能力
Anthropic 推出的新一代 Claude 模型包括 Claude Opus 4 和 Claude Sonnet 4，在编码、推理和 AI Agent 方面达到新标准，并提供混合模型的两种模式：近乎即时响应和用于深度推理的扩展思维功能。
Claude 4发布！世界最强编程模型来了
Anthropic发布Claude 4家族，包含Claude Opus 4和Claude Sonnet 4两个版本。Opus 4在编程基准测试SWE-bench上得分72.5%，Sonnet 4则在SWE-bench上得72.7%。两款模型均采用混合架构，并提供两种工作模式：近即时响应和深度思考推理。Claude Opus 4还具备调用工具的能力，带来一系列新功能和突破性的能力。
OpenAI 再放大招！Codex：云端 AI 编程助手，修 Bug、改代码、自动调试！
OpenAI发布新功能Codex，一个远程AI编程助手。Codex分为本地和云端两种形态，能够帮助开发者编写代码、修复Bug、优化性能等任务。Codex-1模型在SWE-Bench测试中表现优异，用户可通过ChatGPT侧边栏访问Codex，并在未来推出按需付费模式。
刚刚，OpenAI 官宣：GPT-4.1 免费开放！ChatGPT 用户全体升级！
GPT-4.1 正式上线 ChatGPT，专为编程和指令执行优化。模型拥有百万上下文长度，并在 SWE-bench 编程基准测试中超越了其他模型，提供更快的响应速度和更高的指令跟随准确性。