面向软件工程的 SWE-bench Verified 从 Opus 4.6 的 80.8% 暴涨到 93.9%，SWE-bench Pro 从 53.4% 冲到 77.8%；面向高难度数学推理的 USAMO 2026，更是从从 42.3% 直接飙到 97.6%——几乎满分。

微软近日发布了 Visual Studio Code 1.114 版本。这次更新对这款广受欢迎的代码编辑器进行了多项改进，重点优化了 AI 聊天体验，包括在聊天附件的图像轮播中新增视频预览支持、在聊天上下文菜单中添加"复制最终回复"命令、简化 ...

回过头来，Mythos 预览版寻找漏洞的能力已经初见端倪。 尤其对比之前 Claude 最强模型 Opus 4.6 自主发现并利用漏洞的成功率接近 0%，Mythos 预览版的表现可以堪称逆天。