Together AI 实测 DeepSWE：DeepSeek-V4 Flash 0731 对比 GPT-5.6 Luna 的成本与编码表现
Together AI 在 113 个 DeepSWE 任务上对比 DeepSeek-V4 Flash 0731 与 GPT-5.6 Luna：Luna pass@1 为 67.2%，DeepSeek 为 53.3%，但 DeepSeek 每次 rollout 成本约 $0.10，仅为 Luna（$0.61）的约六分之一。
AI 编码 大事记
重要进展 IMPORTANT_PROGRESS
2024-08-13 — 2024-08-13
重要进展 · 第 62 / 105 页
SWE-bench Verified 引入人工验证任务集
OpenAI 与 SWE-bench 作者发布经专业开发者筛查的五百项任务，减少规格不清、测试过窄及环境失败造成的评测偏差。
AI 编码 精选历史资讯
— · 3 条
精选资讯 · 第 1 / 1 页
烧了5亿token后，我给Codex和Claude Code做Skill上下文瘦身的新技巧
作者为Codex和Claude Code中300多个Skill做上下文瘦身，发现每次新会话仅Skill列表就占约9.9k token，按7月使用强度粗算，多余Skill列表约吃掉4到5亿token的上下文空间。
Prime Intellect 开源发布自改进编码智能体 Prime Agent
Prime Intellect 发布开源编码智能体 Prime Agent，围绕递归语言模型（RLM）和 Continual Harness 两个抽象构建，以持久 IPython 内核作为唯一工具，让模型以编程方式调用子智能体并对提示词、技能、记忆和子智能体做增删改查，通过 /refine 从自身轨迹中持续改进 harness。
分类
排序
暂无内容