Oct 28, 2026小模型写、大模型审：SWE-bench Pro Hard 与 DeepSWE 上的研发大师实验研发大师Ultra（便宜的 DeepSeek 写代码、GPT-6.1 Sol 审查）在 DeepSWE 上通过 80.4%，显著好于 DeepSeek flash，也高于 Sol 6.1、GPT Sol 6.1 Max 和 Opus 5.5 medium（不显著）；附顾问模式、实验细节、复现方法和全部脚本。#ai-agents#pair-programming#llm-eval
Oct 5, 2026两个 AI 结对写代码，真的比一个强吗？让 AI 编程助手跑了约 2,400 次真实任务：两个 AI 结对，什么时候真的比一个强，什么时候只是白花 2–3 倍时间。#ai-agents#pair-programming#llm-eval