再测LongCat 2.0长任务，这次我让他在codex里面做了个游戏
再测LongCat 2.0长任务，这次我让他在codex里面做了个游戏上个月也就是昨天，我写了一篇LongCat 2.0的实测，用四个任务测了一下它的编程能力，当时我的评价是「有些地方惊艳，有些地方还差点意思」。
来自主题: AI产品测评
7967 点击 2026-07-02 10:36
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
上个月也就是昨天，我写了一篇LongCat 2.0的实测，用四个任务测了一下它的编程能力，当时我的评价是「有些地方惊艳，有些地方还差点意思」。
6月30日晚，AI龙头Anthropic推出了专为科学研究打造的新产品Claude Science，这是一款类似于编程工具Claude Code的AI工作台。简单来说，Claude Science是一套专门为科研需求打造的多智能体架构，能自动生成多个子代理并分配他们进行科研任务。
就在刚刚，Claude Sonnet 5来了！代号Fennec，耳廓狐，撒哈拉沙漠里体型最小的狐狸。相较于上一代Sonnet 4.6，Sonnet 5在推理、工具使用、编程和知识工作任务中，性能显著提升。
周末跟几个之前的老朋友吃饭。 大家也都不由自主的聊到了AI，然后也聊到了Vibe Coding。
这两年总有人来问我同一个问题。
中国空调，在欧洲被抢疯了。
豆包产品无敌，但Seed模型一直不温不火，大伙对它的印象就两个： 工资高，隔三差五就有千万年包上亿年包新闻，也不知道真假；多模态，但编程能力不太行。
前些天，CMU 助理教授、TVM/XGBoost/MLC-LLM 的创造者陈天奇发布了一本免费在线书籍《Modern GPU Programming For MLSys（面向机器学习系统的现代 GPU 编程）》。
就在刚刚，OpenAI一口气端出三款GPT 5.6系列模型。主打一个全家桶「多款齐发」——旗舰模型Sol（太阳）、平衡模型Terra（大地）、低成本高速款Luna（月亮）。GPT-5.6 Sol：最夯模型，编程测试左踢自家模型GPT5.5，右打隔壁Fable 5，还新增max/ultra两个模式。
Cursor AI官方发布重磅研究，实锤包括自家模型在内的顶级AI，在编程评测中大规模「偷看答案」：Opus 4.8高达87.1%的惊人成绩，断网后直接暴跌至73.0%，其中63%的「解题」竟非独立推导。