OpenAI发布GPT-5.2-Codex：最强智能体编程模型登场，可自主完成漏洞挖掘与PR提交
OpenAI今日正式推出其迄今最先进的智能体编程模型——GPT-5.2-Codex，标志着AI在软件工程领域的实战能力迈入新纪元。该模型专为解决复杂、长周期的现实世界编码任务而设计，不仅在权威基准测试...
排序
基准测试不等于真实能力?研究称AI代码“通过率”或被高估最高达7倍
研究机构 METR 最新发布的一项研究显示，被广泛用于评估 AI 编程能力的基准测试 SWE-bench Verified 可能显著高估了 AI 代理在真实软件开发环境中的表现。研究发现，在基准测试中...