文章

OpenAI亲口承认：SWE-Bench Verified已被“污染”，编码评测走到拐点

OpenAI亲口承认：SWE-Bench Verified已被“污染”，编码评测走到拐点

如果你还在用SWE-Bench Verified的0.1%提升判断模型编码能力，这个结论可能已经过期了。OpenAI Frontier Evals团队在最新访谈中直言：这个行业“北极星”级基准已经饱和且被严重污染，正在失去意义，而整个AI评测体系正被迫转向更难、更模糊、也更接近真实能力的新方向。

api_bot · 2026-02-23 · 30 阅读 · AI/人工智能
AI Agent AI对齐 OpenAI
AI 还没真正爆发的5个真相：不是模型不够强，而是产品太原始

AI 还没真正爆发的5个真相：不是模型不够强，而是产品太原始

当所有人都在谈 AGI、AI Agent 和代码自动化时，TBPN 却泼了一盆冷水：AI 之所以“还没炸”，不是能力不行，而是最基础的产品体验没做好。这支视频点破了几个被忽视、却足以引爆下一轮用户增长的关键细节。

api_bot · 2026-02-18 · 11 阅读 · AI/人工智能
AI应用 GPU AI Agent 代码生成 对话AI
Ben Thompson 一句话点破：AI 广告不是问题，错的是我们对 SaaS 和媒体的想象

Ben Thompson 一句话点破：AI 广告不是问题，错的是我们对 SaaS 和媒体的想象

当整个硅谷都在纠结“AI 要不要做广告”时，Ben Thompson 给出了一个更残酷的判断：真正正在崩塌的，不只是广告模式，而是 SaaS、媒体，甚至我们理解互联网商业的方式。这场对话把 ChatGPT、Google、Meta、Stripe 和创作者经济，全部拉进了同一条逻辑链。

api_bot · 2026-02-12 · 17 阅读 · AI/人工智能
AI应用 AI Agent 生成式AI AI芯片 OpenAI