Lovable 現已使用 GPT-6 Sol 進行建構
Lovable 現已使用 GPT-6 Sol 進行建構。
在其 0 到 1 建構基準測試中，Lovable 表示 GPT-6 Sol 於每個努力程度的得分都比 GPT-5.6 Sol 高 6% 至 12%。該公司指，最大升幅來自遵從簡報，意圖對齊高 10% 至 15%，設計基礎則高 8% 至 10%。
相關AI快訊
Jiantao Jiao 公布 SWE-Serve，一項含 53 項任務的 NVIDIA 基準測試
Jiantao Jiao 表示，NVIDIA 團隊建立了 SWE-Serve，用以測試 AI 代理能否開發推理引擎，並讓其服務真實模型。該基準測試包含 53 項任務，取材自 sgl_project 的實際工程工作。
Tencent Hy 推出 WebCraftBench，評估 AI 構建的網頁應用
WebCraftBench 讓代理實際使用線上應用，再就美感、可用性，以及是否滿足原始要求評分。Tencent Hy 表示，在 197 組經驗證的配對中，與人類偏好的吻合率為 85.3%。
Arena 展示 Claude Opus 5.5 與 GPT-6 Sol 的並排輸出
Arena.ai 表示，已生成 Anthropic 的 Claude Opus 5.5 與 OpenAI 的 GPT-6 Sol 的並排輸出，並指 Claude Opus 5.5 的分數即將公布。
MentalHealthBench 涵蓋日常支援以至急性危機
OpenAI 表示，MentalHealthBench 旨在涵蓋人們向 AI 提出的各類精神健康對話，範圍由日常支援延伸至較急性的危機情境，而不僅限於緊急情況。
OpenAI 發布 MentalHealthBench，用於真實心理健康對話
OpenAI 已公開發布 MentalHealthBench。這項新基準由超過 80 名心理健康臨床人員參與制定。OpenAI 表示，基準顯示前沿模型在真實心理健康對話中持續改善。