智能AI None 实锤：Claude Opus 4.8「偷答案」！63%靠抄，AI断网后成绩雪崩 新智元报道 【新智元导读】 Cursor AI官方发布重磅研究，实锤包括自家模型在内的顶级AI，在编程评测中大规模「偷看答案」：Opus 4。1%的惊人成绩，断网后直接暴跌至73。0%，其中63%的「解题」竟非独立推导。「 偷看答案 」、作 Opus Cursor SWE 2026-06-26 新智元
智能AI None 首个长程Doc2Repo训练集！代码Agent不止修bug，开始造仓库 新智元报道 【新智元导读】 DeNovoSWE是一个用于训练代码智能体从零生成完整仓库的数据集，包含4818个真实任务实例。它通过结构化文档和严格验证机制，帮助智能体掌握复杂系统构建能力，而不仅仅是修复代码。这为代码智能体迈向更高阶的软件工 DeNovoSWE SWE Code 2026-06-25 新智元
智能AI None GPT-5.5反杀Claude登顶，AI编码旧榜不准了？ 新智元报道 【新智元导读】 一个号称「零污染」的新基准 DeepSWE，用113道原创题撕开了旧编程榜单的遮羞布。代码评测圈，一把新量尺落下。就在刚刚，Datacurve推出了新基准DeepSWE。Datacurve联合创始人、CEO Se DeepSWE SWE Bench 2026-05-27 新智元
智能AI None AI编程进入下半场！新基准不测补丁，拷问真正的工程能力 新智元报道 【新智元导读】 AI写代码已从补丁阶段进入全流程工程评估，SWE Atlas 首次系统评测代码理解、测试编写与重构等核心能力。结果显示，尽管GPT-5。4等模型能完成基础功能，但在代码健康、边界覆盖和跨文件协调上仍有明显不足。当 SWE Atlas rubric 2026-05-23 新智元