GLM-5.3 宣稱程式設計能力提升50%
文章報導 GLM-5.3 在一項由 GPT-5.6 提供的程式設計測試中取得滿分。文章宣稱其程式設計能力提升50%，但摘錄未提供評測方法或支撐結果。
Search
直接匹配不多，已補上最新動態。
Tag: #coding-benchmark4 results
2026年2月SWE-rebench：Claude以65.3%領先
2026年2月的SWE-rebench排行榜更新包含57個全新GitHub PR任務，Claude Opus 4.6以65.3%的解決率領先。頂尖模型如GPT-5.2-medium（64.4%）、GLM-5和GPT-5.4-medium（均62.8%）競爭激烈。開源模型如Qwen3.5-397B（59.9%）正快速縮小差距。
量化對模型推理與細膩度的影響分析
一項針對 Qwen 3.6 與 Gemma 4 模型不同量化等級的主觀基準測試。結果顯示，較低的量化等級會顯著降低模型處理複雜程式碼與創意任務的能力。
📰
Qwen3.6-27B 成功生成 Svelte 5 程式碼，OpenAI 失敗
使用者在 OpenAI 產生 Svelte 5 任務錯誤後，切換至 opencode 中的 Qwen3.6-27B。首次嘗試即完美結果，儘管本地推論時間較長。
Codex 正縮小與 Claude Code 的差距
OpenAI 表示 Codex 活躍使用者已突破 2,000 萬，第三方追蹤數據則顯示其近期增速超越 Claude Code。Claude Code 目前規模仍較大且深受開發者採用，但隨著 Anthropic 接近早期市場飽和，其高速成長已經放緩。
🔬
腦機介面助患者重新站立與看見
中國多項臨床試驗正利用腦機介面，協助脊髓損傷患者站立與行走，並讓失明患者恢復有限的視覺感知。試驗結果差異很大，凸顯這項技術的潛力，以及目前在訊號採集、解碼與復健方面的限制。
Alibaba 重組 AI 與雲端業務
據報 Alibaba 正合併電商業務、整合雲端與晶片業務，並將 Qwen 拆分為獨立子公司。報導亦涵蓋 Unitree 計畫登陸科創板、Anthropic 據傳的年化營收，以及 Alibaba 持續投入 AI 對利潤與現金流造成的壓力。
Meta 因具成癮性的平臺設計面臨審判
California 與其他 28 個州指控 Meta 設計 Facebook 和 Instagram 使其具成癮性、違反兒童隱私法，並隱瞞相關做法。檢方將其涉嫌採取的策略概括為「吸引、留住、收集、隱瞞」。
Ox Alpha：神秘模型公開亮相
Ox Alpha 是一款透過 OpenRouter 與 OpenCode 提供的匿名模型，具備 100 萬 token 上下文、圖片與影片輸入、工具呼叫及免費使用等能力。早期測試顯示其推理與程式設計表現強勁，但開發者、參數量、訓練資料與正式基準排名仍未獲確認。
Cloudflare Agent Tracing 新增 Payload 控制功能
Cloudflare 推出 Agent Tracing，支援設定 Payload 截斷限制。不同支援的 Agent 框架在 Payload 預設記錄策略上有所差異，因此開發者在設定可觀測性時需要檢查各框架的個別設定。