用 OpenClaw 和 Claude Code 做产品文档和原型，哪个更省 token？
作者实测对比 OpenClaw 与 Claude Code 在写产品文档和做原型场景下的 token 消耗，发现 Claude Code 一次任务约 1-8 万 tokens，OpenClaw 同一任务约 5-20 万+ tokens。
#评测/基准
#评测/基准
今日 0 条XAI 评分5555
OpenAI NewsAI 评分3434 OpenAI 被 Gartner 评为企业级编码智能体领导者
OpenAI 入选 2026 年 Gartner 企业级 AI 编码智能体魔力象限领导者象限。Codex 因创新能力与企业级规模化部署获得认可。
OpenAI NewsAI 评分3535 太平洋西北国家实验室与 OpenAI 合作加速联邦许可审批
OpenAI 与太平洋西北国家实验室联合推出评测基准 DraftNEPABench，评估 AI 编程智能体加速联邦许可审批的潜力。该评测基准显示，AI 有望将 NEPA 草案撰写时间最高缩短 15%，并推动基础设施审查现代化。
OpenAI NewsAI 评分5454 OpenAI 为什么不再评估 SWE-bench Verified
OpenAI 不再使用 SWE-bench Verified 评估自家模型，理由是该基准污染日益严重，且无法准确衡量前沿编码进展。OpenAI 的分析发现其中存在测试缺陷与训练数据泄漏，并推荐改用 SWE-bench Pro。
OpenAI NewsAI 评分4242 OpenAI 公布其模型对 First Proof 数学挑战赛的证明尝试
OpenAI 公布了其 AI 模型对 First Proof 数学挑战赛的证明尝试，以测试模型在专家级问题上的研究级推理能力。这些证明尝试均由 OpenAI 的 AI 模型生成，围绕该数学挑战赛的专家级问题展开。
OpenAI NewsAI 评分4040 OpenAI 与 Paradigm 发布 EVMbench
OpenAI 与 Paradigm 联合发布 EVMbench。该 benchmark 用于评估 AI 智能体检测、修补及利用高危智能合约漏洞的能力。
Google DeepMindAI 评分4545 FACTS Benchmark Suite：系统化评估大语言模型的事实准确性
Google DeepMind 联合 Kaggle 推出 FACTS Benchmark Suite，新增 Parametric、Search、Multimodal 三项基准并更新 Grounding Benchmark - v2，公开 3,513 道题目。
OpenAI NewsAI 评分1818 evals 如何推动企业 AI 迈向下一阶段
evals 可帮助企业定义、衡量并改进 AI 性能。这一评估方法可降低风险、提升生产效率，并为企业带来战略优势。
OpenAI NewsAI 评分4444 OpenAI 推出 IndQA 基准
OpenAI 推出全新基准 IndQA，用于评估 AI 系统在印度语言上的表现。该基准与领域专家共同构建，覆盖 12 种语言和 10 个知识领域，重点测试模型的文化理解与推理能力。
OpenAI NewsAI 评分4747 OpenAI 如何定义与评估 LLM 的政治偏见
OpenAI 提出一套新的真实世界测试方法，用于定义和评估 ChatGPT 的政治偏见，以提升评估的客观性并减少模型偏见。
OpenAI NewsAI 评分3838 OpenAI 用 GDPval 衡量其模型在现实世界任务上的表现
OpenAI 推出全新评测 GDPval，用于衡量模型在现实世界中具有经济价值的任务上的表现。该评测覆盖 44 个职业。
机器学习初学者AI 评分5555 Claude Code 真的很神？命令行 AI 编程工具实测
Anthropic 的命令行 AI 编程工具 Claude Code 以代理式编程在终端接管全局代码，也能与 PyCharm、VSCode 等 IDE 集成。文章给出 Mac 上基于 Node.js 18+ 的安装步骤与 GLM-4.5 模型配置方法，并测试用它搭建了一个 UI 接近知乎、可注册登录和提问的完整网站。
OpenAI NewsAI 评分4545 OpenAI 发布 HealthBench 医疗 AI 评测基准
OpenAI 推出全新医疗 AI 评测基准 HealthBench，用于在真实场景中评估模型表现。该基准由 250+ 名医生参与构建，旨在为健康领域的模型性能与安全性提供共享标准。
OpenAI News精选AI 评分7777 OpenAI Five 公布 Dota 对战基准结果
昨天，OpenAI Five 在现场观众和 10 万名同步直播观众面前，以三局两胜击败了一支由 99.95 百分位 Dota 玩家组成的队伍：Blitz、Cap、Fogged、Merlini 和 MoonMeander，其中四人曾有职业 Dota 比赛经历。
推荐理由：原文记录了 OpenAI Five 击败高水平 Dota 玩家的赛果，为评估当时游戏 AI 的能力边界提供了参照。
OpenAI NewsAI 评分4343 OpenAI Five Benchmark 比赛结束
OpenAI Five Benchmark 比赛现已结束。
OpenAI NewsAI 评分3131 OpenAI 首届 Retro Contest 结果公布
OpenAI 首届 Retro Contest 已结束，赛事聚焦能从既往经验泛化的算法开发。比赛结果现已公布。
OpenAI NewsAI 评分4141 OpenAI 发起 Retro Contest 迁移学习竞赛
OpenAI 发起 Retro Contest 迁移学习竞赛，衡量强化学习算法从既往经验中泛化的能力。该竞赛聚焦迁移学习，检验算法能否有效利用过往经验。