GPT-5编程成绩有猫腻！自删23道测试题，关键基准还是自己提的
GPT-5编程成绩有猫腻！自删23道测试题，关键基准还是自己提的别急着用GPT-5编程了，可能它能力没有你想象中那么强。 有人发现，官方测试编程能力用的SWE-bench Verified，但货不对板，只用了477个问题。
来自主题: AI资讯
6154 点击 2025-08-12 17:07
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
别急着用GPT-5编程了，可能它能力没有你想象中那么强。 有人发现，官方测试编程能力用的SWE-bench Verified，但货不对板，只用了477个问题。
上海人工智能实验室等团队提出Lumina-mGPT 2.0 —— 一款独立的、仅使用解码器的自回归模型，统一了包括文生图、图像对生成、主体驱动生成、多轮图像编辑、可控生成和密集预测在内的广泛任务。
从上周开始，我们就开始看到一些关于苹果在人工智能领域的长期规划开始浮出水面：从名为 AKI、力求在 iPhone 端侧打造「类 ChatGPT 搜索体验」的答案引擎，到本周目标指向 AI Agent 能力的「新 Siri」概念爆出。无数消息都指向了一个目标：「重生」。
GitHub变天了！今天起，它不再独立。它再也不是那个为开发者的自由而生的平台，而成了微软AI代理工厂的一部分。CEO宣布辞职，出走创业。终于，一个时代落幕了。
随着推理大模型和思维链的出现与普及，大模型具备了「深度思考」的能力，不同任务的泛用性得到了很大的提高。
一觉醒来，OpenAI 的大模型又完成了一项壮举！在全球顶级编程赛事之一 ——2025 年国际信息学奥林匹克（IOI）中，OpenAI 的推理模型取得了足以摘得金牌的高分，并在 AI 参赛者中排名第一！
一家成立不足两年的以色列公司Decart突然以31亿美元估值拿下1亿美元B轮融资，领投方是红杉资本，Benchmark、Zeev Ventures等顶级风投也争相入局。
大模型好不容易学会数r，结果换个字母就翻车了？ 而且还是最新的GPT-5。 杜克大学教授Kieran Healy表示，自己让GPT-5数了数blueberry里有几个b，结果GPT-5斩钉截铁地回答3个。
想知道全球各大企业对大模型是如何使用的大模型的，今年和去年有哪些不同，请看Artificial Analysis发布的2025年第一季度AI应用报告，把握AI发展的潮流趋势。
软银集团作为买方接手了富士康科技集团在俄亥俄州的电动汽车工厂，此举旨在推动这家日本公司与OpenAI 及甲骨文公司，合作的 5000 亿美元"星际之门"数据中心项目。