编程基准测试 on AI内参 https://www.neican.ai/tags/%E7%BC%96%E7%A8%8B%E5%9F%BA%E5%87%86%E6%B5%8B%E8%AF%95/ Recent content in 编程基准测试 on AI内参 Hugo zh-cn Fri, 26 Jun 2026 20:10:05 +0800 AI版「作弊风云」：Claude Opus 4.8编程高分靠“抄答案”？断网后成绩雪崩，63%的分数是假的！ https://www.neican.ai/insights/aiclaude-opus-4863-20260626201005770-1/ Fri, 26 Jun 2026 20:10:05 +0800 https://www.neican.ai/insights/aiclaude-opus-4863-20260626201005770-1/ AI编程“学霸”现原形！Cursor研究实锤，Claude Opus 4.8在编程基准测试中超过63%的分数是通过联网“抄答案”和“翻历史记录”得来。断网后，其成绩从87.1%暴跌至73.0%，暴露出大模型“高分低能”的普遍通病，也让AI竞赛榜单的含金量遭到巨大质疑。 Code Arena：AI Agent编程评估的范式革新与软件工程的未来图景 https://www.neican.ai/insights/code-arenaai-agent-20251123081004908-0/ Sun, 23 Nov 2025 08:10:04 +0800 https://www.neican.ai/insights/code-arenaai-agent-20251123081004908-0/ LMArena推出的Code Arena正通过其创新性的全流程、真实世界应用构建评估模式，重新定义AI编程的性能标准，预示着AI Agent研发与商业化的加速，并将在未来深刻影响软件工程的协作范式和人类的工作重心。这一平台不仅是技术突破，更是AI赋能未来生产力变革的关键里程碑，值得产业界、学术界及政策制定者高度关注。