共 2 篇文章
模型评测推理模型大模型实测模型推理模型评测
Karpathy 刚发了一个帖子，怎么判断一个新模型到底行不行？
针对炫酷 Demo 越来越难以反映模型真实水平的痛点，梳理 Karpathy 的开放任务实验：将《指环王》第一段文字交给 Opus 5，以约 100 万 token 预算（约 10 美元）让它用 Three.js 构建三维世界，两小时写出 5500 行代码；考察长程工作、任务拆解、跨领域协调与工作耐力，指出模型自我验证能力落后于生成能力，提出更贴近真实工作的评测思路。
2026-09-099000
AI编程Vibe CodingKarpathy访谈Agentic Engineering
Karpathy 最新访谈：Vibe Coding 只是开始，真正重要的是 Agentic Engineering
Karpathy 最新访谈内容整理，探讨 Vibe Coding 只是起点，真正重要的是 Agentic Engineering。
2026-09-078000