自我进化编程Agent崛起：Ornith模型的真实能力与局限
围绕Ornith系列模型在代码修复与工具使用中的表现，分析“自我改进型Agent”是否真的带来了能力跃迁。
标签: Benchmark
2 篇文章
开源大模型正在反超闭源？GLM-5.2 与 Claude 的实战对决
围绕 GLM-5.2 在基准测试中表现接近甚至超过 Claude 的争议，探讨开源模型在真实开发场景中的能力与性价比趋势。
2 篇文章
围绕Ornith系列模型在代码修复与工具使用中的表现，分析“自我改进型Agent”是否真的带来了能力跃迁。
围绕 GLM-5.2 在基准测试中表现接近甚至超过 Claude 的争议，探讨开源模型在真实开发场景中的能力与性价比趋势。