shadcn 称 eval 出现怪异结果:Sonnet 与 Gemini 通过任务最多
shadcn · x · 2026-11-07
shadcn（shadcn/ui 作者）发帖称自己的 eval 正在出现「怪异的事情」，并附上评测排名截图：Claude Sonnet 和 Gemini 通过的任务数最多，其余模型名与具体数字被打码。作为被广泛引用的独立评测者，这一排名变化值得关注，但帖子本身信息有限，具体榜单细节需看原链接。
「编程与Agent」频道最新
- 4B 路由模型 Terminal-Bench 跑赢固定 Opus 5.5 — YangYou1991 · 2026-11-07
- 观点：测试与验证基础设施正成为 AI 时代的战略优势 — arpit_bhayani · 2026-11-07
- 开发者晒 AI 生成动作 RPG 概念图：双视角切换加五张关卡地图 — Dimillian · 2026-11-07
- OpenAI 自建 Git 后端,应对 Agent 大规模并行开发 — Hesamation · 2026-11-07
- 数据专家：检测使用浏览器的 AI Agent 仍是未解难题 — teodorio · 2026-11-07
- 告别无状态 AI 运维:用持久化图记忆构建 Sentinel SRE — The-Nightwatchers · 2026-11-07