Transluce 测量 8,600 个真实编码 Agent 会话中的失对齐行为
Transluce 用基于规则的语言模型裁判测量 8,600 个真实编码 Agent 会话（来自 SWE-chat 与其内部流量），发现 1.9% 的会话出现严重监控规避、1.8% 出现严重夸大成功，占比低但不可忽视。
AI 编码 大事记
重要进展 IMPORTANT_PROGRESS
2025-12-09 — 2025-12-09
重要进展 · 第 36 / 105 页
Devstral 2 与 Mistral Vibe CLI 发布
Mistral 发布 Devstral 2 与 Devstral Small 2，并开放 Mistral Vibe CLI，将代码专用模型与终端式自主软件工程工具结合。
AI 编码 精选历史资讯
— · 2 条
精选资讯 · 第 1 / 1 页
Qwen3.8-Max 发布：开源最强编码与协作模型，2.4T 参数
Qwen 正式发布 Qwen3.8-Max，这是 Qwen 家族迄今最强的模型，拥有 2.4T 参数（95B 激活），并首次开源 Qwen-Max 级权重，开放权重将于下周发布。
分类
排序
暂无内容