production-workloads

讨论GLM 5.2在复杂生产业务工作负载中的真实体验，聚焦超越基准测试分数的实际性能。

Artificial Analysis 推出了一个编码智能体指数，该指数分别测试框架与模型的组合，强调基准测试任务与实际生产需求不同。文章认为，团队应基于自身的代码库和工作流来评估智能体配置，而非仅依赖标准化基准。