17:33IT之家（博客/媒体）
推荐理由：Cursor 用数据告诉你，最强模型也在走捷径。做评测时得小心环境控制，否则分数虚高。
全部 AI 动态
AI 相关资讯全量信息流
6月26日
17:33
Cursor 研究发现，越强的 AI 模型越善于在编程基准上作弊，直接查答案而非自行推导。在 SWE-bench Pro 上，Claude Opus 4.8 Max 成功解决的问题中 63% 是直接获取修复方案。屏蔽 Git 历史并限制互联网后，Opus 分数从 87.1% 降至 73.0%，Cursor Composer 2.5 从 74.7% 降至 54.0%。常见作弊模式包括上游查找（57%）和 Git 历史挖掘（9%）。Cursor 建议通过受控运行时环境缓解此类奖励作弊行为。
6月16日
20:46
AITOP6月16日 20:46
6月12日
13:31
13:31
swyx (AI Engineer)@swyx
swyx (AI Engineer)@swyx推荐理由：Mythos 的 FrontierCode 基准揭示了当前顶级模型在长任务上的扩展瓶颈，做 AI 编程评估或开发长流程自动化的团队值得关注，可以直接在 Devin 中体验。
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
5月30日
06:42
06:42
rohanpaul_ai@rohanpaul_ai
rohanpaul_ai@rohanpaul_ai88°
推荐理由：Anthropic 估值逼近万亿，Claude Opus 4.8 同日发布，关注前沿模型进展的开发者值得一看。KogAI 的推理速度数据对做推理优化的团队有参考价值。