把"写代码"和"修代码"分开看：Gemini 赢在 LiveCodeBench 生成、Claude 赢在 SWE-Bench 端到端——你每天干的是哪种活？
简单来说：Gemini 更擅长替你解 "有标准答案的题"，Claude 更擅长在 "没有标准答案的烂摊子" 里找出路。这是两种完全不同的思维模态。
阅读全文SWE-bench 差 7 个百分点，但价格差 2.5 倍：Gemini 3.1 Pro vs Claude Opus 4.7 编程选型决策树（含成本演算）
在 AI 编程工具选型中，开发者最常陷入的误区是只看基准测试分数。但实际上，性能与成本的平衡才是决定长期使用体验的关键。Claude Opus 4.7 与 Gemini 3.1 Pro 作为当前最主流的两款编程大模型，在 SWE-bench 测试中相差 7 个百分点，但官方定价却相差 2.5 倍。这 7 个百分点到底值不值 2.5 倍的价钱？本文将通过详细的数据拆解和真实场景成本演算，帮你做出最适合自己的选型决策。
阅读全文gemini-3.1-pro-preview 还是 thinking？选错端点＝白烧钱：Google 官方 API 参数全解 + 计费坑位地图
很多开发者以为 Gemini 3.1 Pro 只有一套 API 接口，实际上它提供了两条完全不同的通路，虽然指向同一个模型内核，但适用场景天差地别。选错了通路，就像拿钓竿去捕鲸 —— 不是你力气不够，是工具和场景根本不匹配。
阅读全文别再只会在网页聊天框里写代码了：用 Gemini 3.1 Pro API 搭你自己的编码 Agent，1M 上下文吃下整个 Repo
如果你还在往谷歌 AI Studio 的 Gemini 3.1 Pro 网页框里复制粘贴代码，让它改一个函数，再把结果复制回来，然后问 "下一个呢"—— 那你其实是在用一辆百万美元的超跑送快递。
阅读全文Gemini 3.1 Pro 实战接入：AI Studio → Vertex AI → 本地代码，一条龙跑通（附 thinking_level 调参陷阱）
2026 年 2 月 19 日，谷歌正式发布 Gemini 3.1 Pro 预览版。作为谷歌首个原生支持媒体时间轴定位和多文档并行推理的大模型，其在 SWE-bench Verified 基准测试中得分达到 80.6%，与 Claude Opus 4.6 处于同一梯队。而更具颠覆性的是它的极致性价比 —— 百万输入 token 仅需 2 美元，输出 token12 美元，价格仅为 Claude Opus 的四分之一左右。
阅读全文编程 Agent 横评：Claude Opus 4.7 × Claude Code vs GPT-5.4 × Cursor，谁真能交付？
先把核心结论说清楚：在 "谁能真正把活交付出来" 这个关键问题上，Claude Code 与 Cursor 两套组合都能胜任。但真正让你下定决心、并且愿意为之付费的，从来不是谁的 SWE-bench 分数更高，而是 —— 你想要 AI 当那个把任务全盘扛走、替你开车的司机，还是只想让它做个随叫随到的副驾驶。这是两条完全不同的协作哲学路线，搞懂这个，才算读懂这场技术对比的本质。
阅读全文Opus 4.7 刷到 SWE-bench 87.6%，把 GPT-5.4 压在身下——但有个暗线叫 Mythos
作为一名专注于深度技术评估的行业观察者，我通读了 Claude Opus 4.7 发布以来几乎所有相关报道。在铺天盖地的标题党和公关稿中，我挖到了一条几乎被所有人忽略的关键暗线 ——Mythos。当我把这条线索拼凑完整时，不禁感到一丝寒意。
阅读全文别怪模型退步——Opus 4.7 只是不糊弄你了：5个信号判断你的 Prompt 该重写了
你一定有过这样的经历：把一段在 Claude 4.6 上跑了上百次、次次完美输出的提示词原封不动丢给 4.7，结果却像吞了根刺卡在喉咙里。
阅读全文Anthropic 官方提示词最佳实践（Opus 4.7 版）：XML标签+自适应思考，输出质量立涨30%
过去一个月，Claude Opus 4.7 在中文科技圈引发了持续热议。不少用户吐槽它 "输出变啰嗦"" 指令理解变迟钝 ""不如 4.6 版本顺手"，社交媒体上甚至流传着 "Opus 4.7 只是为 Coding Agent 准备的升级，其他场景全是降级" 的说法。
阅读全文Claude Opus 4.7 把你的旧 Prompt 打回原形：严格遵循指令是好事，但你得这么改
如果你以前习惯了给 AI 发送模糊指令，指望它替你 "脑补" 并泛化理解你的意图，那么当你面对 Claude Opus 4.7 时，很可能会遇到前所未有的挫败感。
阅读全文幻觉下降 60% 不等于证明可信：GPT-5.5 在数学上的真正瓶颈不是智力，是它没有"知道自己错了"的内生机制——这恰恰是人类数学家最后的护城河
近期，GPT-5.5 Instant 多项评测数据引发行业关注：模型幻觉率大幅下降 52.5%，数学科目得分从 65 分提升至 81 分，AIME 测试准确率上涨 15.8 个百分点；博士级别科学推理基准 GPQA 的正确率也从 78.5% 升至 85.6%。结合官方文档，用户标注的事实类错误表述同比下降 37.3%。一系列亮眼数据，让不少观点认为人工智能正向 “高可信推理工具” 加速转型。
阅读全文Gowers 自己留的后手：他说模型产出可以成为博士论文章节，但也暗示大多前沿题仍需要人类把关——Lean4 自动化验证才是唯一出路
2026 年 5 月 8 日，高尔斯在个人博客发布《与 ChatGPT 5.5 Pro 的一次最新实验》，公开了一组极具行业参考价值的数学测试成果。
阅读全文"博士级"但不等于"可靠"——拆解 GPT-5.5 长链证明里那层幽灵：为什么每一步都对、整体却可能在自我否定的循环里打转？
现阶段头部大模型的高阶数学推理与专业知识应用能力，已实现显著升级。在博士后科研难度的 FrontierMath Tier 4 测试中，GPT-5.5 Pro 思考版得分 35.4%，专业版得分达 39.6%，大幅领先同期竞品，远超 Claude Opus 4.7 的 22.9%、Gemini 3.1 Pro 的 16.7%。不仅如此，该模型成功产出经 Lean 形式化工具验证的拉姆齐数研究论证路径，具备实打实的学术参考价值。
阅读全文当 Thomas Bloom 的开放问题网站被 AI 提交挤到濒临瘫痪——我们需要担心的不是 "AI 会不会证明"，而是 "谁来筛掉幻觉垃圾"
2025 年 10 月起，头部 AI 模型相继官宣攻克埃尔德什公开难题，彻底打破了网站的平衡。OpenAI 率先宣称 GPT-5 一次性解决 10 道网站待解难题，随后 DeepMind 的 AlphaProof Nexus 也公布 9 项解题成果，相关报道刷屏全球科技圈，为网站带来海量流量与关注度。
阅读全文2026年至今 15 个 Erdős 问题已倒下 11 个有 AI 指纹："做数学"的准入门槛正在被碾碎，接下来轮到谁？
2026 年以来，人工智能在基础数学科研领域的突破持续刷屏。多项长期悬而未决的 Erdős 公开数学难题被陆续攻克，超半数解题成果带有清晰的 AI 参与痕迹。长久以来壁垒森严的高端数学研究门槛正在被打破，人工智能正在重塑现代基础科研的发展范式。
阅读全文70种语言的实时翻译民主化之后：谷歌掌握全球最大跨语言语音流入口，SynthID 够不够管？
随着 Gemini 3.5 Live Translate 全量上线，支持 70 余种语言实时流式同传、精准复刻说话人语气语速的 AI 翻译技术正式走入大众视野。这项能实现 “换语言不换语气” 的技术革新，快速刷屏全球科技圈。相较于亮眼的技术参数，更值得行业警惕的是一组庞大的生态数据：谷歌翻译月活跃用户超 10 亿，月翻译处理量高达 1 万亿词。
阅读全文当AI同传保住你的语调但偷走你的"声纹身份"：实时语音翻译的隐私红线在哪？Live Translate 的数据链路拆解
随着谷歌 Gemini 3.5 Live Translate 技术落地，这一假想场景的现实风险正在持续放大。该模型实现了行业顶尖的语音翻译能力，可完整留存说话人的语调、音高与节奏特征，并非简单的语义翻译，而是通过实时捕捉用户完整声纹轮廓，实现跨语言语音精准迁移。
阅读全文翻译得越像真人，风险就越大：谷歌给 Live Translate 所有输出嵌 SynthID 水印——这是防 Deepfake 的前置保险吗？
2026 年 6 月 9 日，谷歌正式发布 Gemini 3.5 Live Translate 实时语音翻译功能，凭借支持 70 余种语言流式同传、完整复刻说话人语调语速的核心能力，实现了 AI 翻译真人化体验的全新突破。与此同时，谷歌同步落地一项关键风控措施：为该功能生成的所有音频内容嵌入 SynthID 专属水印，实现 AI 翻译内容的全程可溯源、可核验，且目前暂无完整去除水印的可行技术方案。
阅读全文为什么说 Live Translate 最大的威胁不是同行，而是谷歌自己的生态：10亿+月活翻译用户一键升级 = 分发碾压
在全球 AI 语音翻译赛道竞速升级的当下，Gemini 3.5 Live Translate 的正式落地，彻底改写了行业竞争逻辑。不同于业内普遍认知，这款爆款功能面临的最大挑战，并非 OpenAI、Anthropic 等外部行业对手，而是谷歌自身庞大的产品生态体系。
阅读全文"语气保持"是玄学还是真指标？我们拿 Gemini 3.5 Live Translate、GPT-4o Voice Mode、ElevenLabs 翻同一段中日英混合对话盲测
相较于繁杂枯燥的技术参数，听觉体验是检验当下 AI 语音翻译能力最直观、也最严苛的方式。不妨做这样一个场景模拟：一句饱含急促情绪的日语「まじでやばい！」完成跨语言翻译后，语速、上扬的尾音以及焦灼的情绪被完整保留；而中文语句 “别催了，我真在路上了” 里的不耐烦，也能通过翻译语音精准传递。反观标准化合成语音朗读的同一句话，语气平淡、毫无情绪起伏。
阅读全文