跳到正文
只看AI#评测/基准
  1. 爱范儿79

    实测 DeepSeek V4.1 Flash 编程能力：约 4 元生成特斯拉 3D 演示网页

    爱范儿实测 DeepSeek V4.1 Flash 1017 的编程与 3D 项目生成能力，通过提示词在 35 分钟内完整输出了可运行的特斯拉 3D 动态演示网页，借助 99.6% 的缓存命中率将生成成本压缩至约 4 元。测试还涵盖了结合 REA 逆向复刻 Typora 2.0 并定位修复 Bug，以及配合 HyperFrames 制作动态动效视频。

    推荐理由：实测通过完整案例展现了高缓存命中率下的开发成本与代码能力，读者可据此评估低成本开源模型在交互开发中的可用性。

  1. GitHub Blog · AI & ML66

    GitHub 推出面向 AI 代码审查的开源评测基准 ReviewBench

    GitHub 与 Microsoft 联合推出面向 AI 代码审查智能体的开源评测基准 ReviewBench，现已开放研究预览并接受评测提交。该基准包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 PR，整合人类审查、LLM 与静态分析构建多源标准集，并采用 Claude Sonnet 5 统一执行打分。

    推荐理由：该基准基于海量真实代码库构建并引入多源验证，为开发者评估代码审查智能体提供了贴近生产环境的离线评测标准。

已经到底了