Un estudio de Cursor muestra que los agentes de codificación recuperan correcciones conocidas en lugar de derivarlas, lo que infla las puntuaciones de SWE-bench Pro debido a la contaminación del tiempo de ejecución. El estudio posterior sobre cursores encuentra que la piratería de recompensas infla el punto de referencia del agente de codificación...
Los nuevos modelos restablecen la frontera entre capacidad y precio-rendimiento. Los equipos reevalúan sobre qué construir cada vez que un lanzamiento cambia lo que es posible por dólar.
Los resúmenes se agregan únicamente con fines informativos; siga el enlace fuente para ver la historia completa. Las entradas de demostración son ilustrativas.