
会看图、会写代码的通用 Agent,能完成机器人操作吗?CodeActionBench 发布(在新窗口打开)
从视觉观察到策略生成,再到物理执行与完成判断,CodeActionBench 在统一条件下评测通用多模态 Agent 的机器人操作能力。在双臂仿真评测中,GPT-6 Astra (Codex CLI) 的尝试成功率达到 73.3%,Claude Opus 5 在 Reference harness 和 Claude Code 下分别取得 49.3% 和 45.3%。
共 303 篇

从视觉观察到策略生成,再到物理执行与完成判断,CodeActionBench 在统一条件下评测通用多模态 Agent 的机器人操作能力。在双臂仿真评测中,GPT-6 Astra (Codex CLI) 的尝试成功率达到 73.3%,Claude Opus 5 在 Reference harness 和 Claude Code 下分别取得 49.3% 和 45.3%。

就在刚刚,苹果发布了Xcode 26.3的重磅更新!这一次,不再是无关痛痒的修修补补,而是直接把「核武器」搬进了IDE——Codex和Claude正式入驻Xcode!

OpenAI 发布 Codex macOS 应用,作为 AI 智能体指挥中心,并全面翻倍付费用户速率限制。

我们整理了最近半年来 OpenCode CEO Jay V 以及联合创始人 Dax Raad 近期在多档播客和访谈中的核心观点,试图还原一个完整的图景,一家开源公司究竟如何在巨头夹缝中找到自己的位置,以及他们怎么看待商业化和模型编排。

这一次带来如此新SOTA效果的,是全球首个实现项目级开发的AI IDE——Vinsoo。刚刚,Vinsoo上新Beta 3.0版本,仅用国产大模型(Qwen),就超越了搭载Claude的Cursor、Codex、Claude Code等一众流行AI编程产品。Vinsoo是芸思智能推出的全球首个搭载云端安全Agent编程团队的AI IDE,主打从需求确认到交付验收,AI全流程自动推进项目开发。

最近 AI 编程界最火的事情,就是怎么把各种 coding 模型卷到极致了。

OpenAI真下厨了! 但更搞笑的是,Tibo玩的双关:「We're cooked」——煮熟了,也「完蛋了」。 今天凌晨,OpenAI开发者账号上线了一档厨房节目《COOKED》。 两位嘉宾对着笔记本张嘴提了需求,Codex当场开工,写出了一款8位像素风的拉面游戏。 拉面游戏在ModRetro掌机上运行 这一天,正好是Codex负责人Tibo立下「28天里每天上线一项改进,否则给全员重置额度」军令状的第15天。 就在四天前,他还在X上卖了个关子。 但万万没想到的是,最终交上来的还真是一碗「煮好」的拉面。 评论区当场就炸了,一大片回复都在喊同一个词,reset。 一杯姜汁下肚,拉面游戏上了掌机

本周AI项目推荐聚焦Codex生态崛起的创业机会,ego lite、OpenDesign、HyperFrames为Agent补上浏览器、设计、视频等单点能力,Monid、AIsa搭建工具调用与资源交易基础设施,共同推动Coding Agent从执行引擎延伸出新的产品层。

当下,在Codex、Claude code等AI产品,对设计、代码等行业碾压过后,AI又对游戏这个复杂行业“降临”了。

这两天打开X,发现一个开源项目刷屏了——Hyperframes。GitHub上两天干了17.4k star,1.6k fork,Codex、Cursor、Claude Code的插件全线覆盖。