实体
AutomationBench
AutomationBench
PulseAugur coverage of AutomationBench — every cluster mentioning AutomationBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Google 发布 Gemini 3.7 Flash，编码和代理性能有所提升 · 已追踪 8 个来源
Google 发布了 Gemini 3.7 Flash，这是一款专为编码和代理任务设计的新型“主力”模型，距离其前身 Gemini 3.6 Flash 仅三周时间。最新版本在软件工程、网页开发和知识密集型领域的性能有了显著提升，在 FrontierCode、DeepSWE、WebDev Arena、GDP.pdf 和 AutomationBench 等基准测试中表现优于 3.6 Flash。Google 还为 3.7 Flash 提供…
-
Anthropic 的 Claude Opus 5 以一半的价格匹配 Fable 5 的性能 · 跟踪了 10 个来源
Anthropic 发布了 Claude Opus 5，一款新模型，其性能可与 Fable 5 相媲美，而价格却只有 Fable 5 的一半。早期评估和用户轶事表明，Opus 5 在编码、复杂推理和智能体任务方面表现出色，在 Frontier-Bench 和 CursorBench 等基准测试中，其能力常常能与 Fable 5 相匹配甚至超越。该模型还拥有 100 万个 token 的上下文窗口和更高的效率，使其成为开发人员和企业应用的有力选择。