人工智能基准测试已从单纯的评估工具，逐渐演变为影响模型训练目标和能力设计的关键力量。Contrary Research 的最新报告指出，构建不当的基准测试可能把整个行业推向错误方向。随着模型越来越针对榜单表现进行优化，...

在 OpenAI DevDay 2026 上，官方集中发布了超过 20 项面向开发者的技术更新，涵盖模型、Codex、API 与安全工具等方向。其中，新一代模型 GPT-6 Astra 与 GPT-6.1 Sol 正式亮相，并带来更快的推理效率；开发环节引入...

在人工智能系统开发中，评估设计与模型迭代是决定模型能否稳定落地的关键环节。Anthropic 旗下 Claude 团队近日发布了 /claude-api build-eval 与 /claude-api hillclimb 两个新命令，旨在将评估设计及爬山优化过程...

Gortex 是一款面向 AI 编码代理和 IDE 的高性能代码智能引擎，其核心做法是把代码库索引为本地图结构，再按需提供跨仓库搜索、定义引用、调用链和影响分析等高度相关的上下文。与朴素地读取整段文件相比，官方称这种...

dbt Charts 近日发布开源声明式语言，让交互式仪表板可以用单个可审计的 YAML 文件完整表达，并在其中嵌入 SQL、Markdown 与 Jinja 模板。相比传统拖拽式仪表板，这种做法的核心价值在于把查询逻辑、展示结构和可视...

Cline 团队近日公布了其 VS Code 扩展迄今最大规模重构的实践细节。该扩展将约 7.6 万行的单体代理核心替换为共享 SDK，并在不影响 1100 多万开发者既有工作流的前提下完成切换。由于 VS Code Marketplace 缺乏渐进...

腾讯在GitHub开源了BrowserSkill项目，旨在解决AI智能体与真实浏览器环境之间的协作难题。该项目通过本地命令行接口与浏览器扩展协同，使AI智能体能够直接操作用户已登录的浏览器，无需中断当前工作或切换到自动化专...

Munder Difflin 是一个本地运行的多智能体编排桌面应用，能够将多个终端代理命令行工具（terminal-agent CLIs）作为可自我协调的智能实体进行统一管理。其核心架构由名为 Michael 的中央监督代理负责调度与协调，使...