跳到正文
#评测/基准
  1. GitHub Blog · AI & ML60

    GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准

    GitHub 发布 ReviewBench，一个面向 AI 代码审查的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含 219 个 pull request、覆盖 19 种语言。

    推荐理由：GitHub 公开了代码审查基准的构建方法与评测口径，读者可据此理解离线指标与线上实验的对应关系。

  1. Latent Space82

    Google DeepMind 发布 Gemini 4 Argon，支持 100 万 token 输出

    Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，首发仅限政府用户和 Fairwind 计划中的可信网络防御者，开发者与企业访问时间未定。

    推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，便于对照其与 Astra、Opus 5.5 的实际差距。

  1. Latent Space88

    OpenAI DevDay 2026 发布 Dots、GPT-6.1 Sol、Ultrafast 与 Decisions API

    OpenAI 在 DevDay 2026 发布 Dots 常驻智能体、GPT-6.1 Sol、Ultrafast 模式、Decisions API、ChatGPT Spaces 与 Marketplace，并称 ChatGPT 周活达 12 亿。

    推荐理由：汇总 OpenAI DevDay 2026 全部发布与第三方评测数据，可一次看清定价、能力与争议点。

已经到底了