Trail of Bits 批评 1Password 的 AI 补丁基准存在误导，并发布两个补丁验证 Agent 技能
Trail of Bits 发文批评 1Password 8月6日发布的 FLAWED 报告，称其 26% 的 AI 干净修复率受四项实验设计选择影响而失真，包括刻意指示智能体应用错误修复的提示词占 22% 数据、36% 的试验禁止编译测试，以及不同推理档位设置。
AI 编码 大事记
重要进展 IMPORTANT_PROGRESS
2026-09-29 — 2026-09-29
重要进展 · 第 3 / 105 页
GPT-6.1 Sol 面向编码与计算机操作发布
OpenAI 推出 GPT-6.1 Sol，官方评测称其在复杂软件工程、计算机操作和专业任务中接近 Astra，并以较低成本提供。
AI 编码 精选历史资讯
— · 9 条
精选资讯 · 第 1 / 3 页
Fireworks 上线 DeepSeek-V4.1-Flash，DeepSWE 达 GPT-6 Astra 水准、成本仅 1/15
Fireworks 发布 DeepSeek-V4.1-Flash，在 DeepSWE 上取得 74.34% pass@1、每任务 $0.43，与 GPT-6 Astra 同一精度区间但成本仅 1/15。
GPT-5.6 Luna 对比 GPT-6 Astra：$1.20 的模型做代码评审够用吗
Entelligence 在 50 个公开基准 PR 上用相同提示词对比 GPT-5.6 Luna 和 GPT-6 Astra 的代码评审能力，Luna 找到 69 个经验证 bug（Astra 92 个），总成本 $0.20 对 $5.66，精度 74% 对 96%。
分类
排序
暂无内容