在软件工程领域，随着挑战的不断演变，传统的基准测试方法显得力不从心。自由职业的软件工程工作复杂多变，远不止是孤立的编码任务。自由职业工程师需要处理整个代码库，集成多种系统，并满足复杂的客户需求。而传统的评估方法通常侧重于单元测试，无法充分反映全栈性能和解决方案的实际经济影响。因此，开发更为真实的评估方法显得尤为重要。为此，OpenAI 推出了 SWE-Lancer，一个针对真实世界自由软件工程工作进行模型性能评估的基准测试。该基准测试基于来自 Upwork 和 Expen

最近，一位软件工程师安纳奈・阿罗拉（Ananay Arora）以 “不到一顿 Chipotle 餐” 的价格购买了域名 OGOpenAI.com，并将其重定向至中国的 AI 实验室 DeepSeek。这个决定引发了许多人的关注，因为 DeepSeek 近期在开源 AI 领域中取得了显著进展，成为了热议的话题。DeepSeek 发布的 AI 模型在技术上与早期的 OpenAI 模型相似，能够离线使用，并且任何具备相应硬件的开发者都可以免费使用。这一特性使 DeepSeek 的产品受到了不少开发者的青睐。上周，该实验室发布了其 DeepSeek-R1模型的开放版本，声称在某

还记得去年圣诞节前夕，那个让一群硅谷精英抓耳挠腮的服务器难题吗?当时，Cognition AI 团队正在为一个复杂的数据服务器焦头烂额，各种方法试了个遍，还是没能让它正常工作。就在大家快要放弃的时候，有人提议让当时还没正式亮相的 AI 编码助手 Devin 来试试，结果你猜怎么着?Devin 居然像变魔法一样，轻轻松松就解决了问题!它只是删除了一个被团队忽略的系统测试文件，服务器终端指示灯就从红色变成了绿色，简直是奇迹!Devin 的这次“神操作”震惊了整个团队，他们意识到，软件工程

根据 Gartner 的最新报告，到2027年，生成式人工智能将在软件工程和运营领域催生新的角色，需要80% 的劳动力提升技能。报告指出，人工智能将改变软件工程师未来的角色，而不是取代他们。Gartner 高级首席分析师菲利普·沃尔什表示，人工智能将需要软件工程师拥有软件工程、数据科学和人工智能/机器学习等独特的技能组合。报告预测，短期内，AI 工具将通过增强现有开发人员的工作模式和任务来适度提高生产力。图源备注：图片由AI生成，图片授权服务商Midjourney从中期来看，人工智能代

OpenAI发布SWE-bench Verified，旨在更精确评估AI在软件工程任务中的表现，解决原SWE-bench存在的评估局限性，如过于严格的单元测试、不明确的问题描述和难以设置的开发环境。新基准通过引入容器化Docker环境，提高了评估的一致性和可靠性，显著提升了AI模型的表现评分。GPT-4o在新基准下解决了33.2%的样本，而最佳开源代理框架Agentless的得分也显著提高。这一改进有助于更准确地捕捉AI模型在软件工程任务中的真实能力，为AI在软件开发领域的应用提供更精确的评估工具，对推动相关技术发展具有重要意义。

["一项新研究发现，ChatGPT 对于软件工程问题的回答准确率不到一半。","研究结果显示，ChatGPT 回答软件工程问题的 52% 是错误的。","ChatGPT 回答综合性问题的准确率较高，但仍有 77% 的回答冗长。"]