Lovable 现已使用 GPT-6 Sol 构建
Lovable 现已使用 GPT-6 Sol 构建。
在其 0 到 1 构建基准测试中，Lovable 称 GPT-6 Sol 在各个 effort 级别上的得分均比 GPT-5.6 Sol 高 6% 至 12%。该公司报告，提升最大的是对简报的遵循，意图对齐高出 10% 至 15%，设计基础高出 8% 至 10%。
相关AI快讯
Jiantao Jiao 发布 SWE-Serve，一项包含 53 项任务的 NVIDIA 基准
Jiantao Jiao 表示，NVIDIA 团队构建了 SWE-Serve，用以测试 AI 智能体能否开发推理引擎并服务真实模型。该基准包含 53 项任务，取自 sgl_project 的真实工程工作。
Tencent Hy 推出面向 AI 构建网页应用的 WebCraftBench
WebCraftBench 让智能体使用正在运行的应用，再对美观度、可用性以及是否满足原始请求进行评分。Tencent Hy 称，在 197 组经人工验证的配对上，其结果与人类偏好的一致率为 85.3%。
Arena 展示 Claude Opus 5.5 与 GPT-6 Sol 的并排输出
Arena.ai 表示，已生成 Anthropic 的 Claude Opus 5.5 与 OpenAI 的 GPT-6 Sol 的并排输出，Claude Opus 5.5 的评分即将公布。
MentalHealthBench 覆盖从日常支持到急性危机
OpenAI 表示，MentalHealthBench 面向人们向 AI 提出的各类心理健康对话，从日常支持到更急性的危机场景，而不只是紧急情况。
OpenAI 发布面向真实心理健康对话的 MentalHealthBench
OpenAI 已公开发布 MentalHealthBench。这项新基准由 80 多名心理健康临床人员参与构建。OpenAI 表示，它显示前沿模型在真实心理健康对话中持续改进。