PostgreSQL在每个主要版本中平均提升15%的性能，但Linux 7.0的更新可能导致性能下降。新内核移除了PREEMPT_NONE模式，采用PREEMPT_LAZY，可能加剧高并发下的锁竞争。使用Huge Pages或透明大页可以缓解此问题。对于在容器中运行PostgreSQL的用户，无法控制主机内存配置可能影响性能。建议在升级前进行基准测试。

刘壮和陈丹琦团队推出了开源视觉推理强化学习框架Vero，支持多种视觉任务，克服了单一任务训练的局限性。Vero通过600K高质量样本和任务路由奖励机制，在多项基准测试中超越现有模型，展示了广泛数据对视觉推理的促进作用。

JetStream 3是一个重要的跨浏览器基准测试更新，专注于优化WebAssembly和现代JavaScript性能。新版本采用全生命周期评分方法，确保WebAssembly在交互式网页中的顺畅集成，并关注更复杂的工作负载，推动浏览器引擎的全面优化。Safari的性能因此提升约10%。

Solo.io推出了开源项目agentevals，旨在帮助开发者评估和基准“智能AI”系统。该框架测试AI代理在基础设施自动化和API编排等工作流中的有效性，提供可靠性、延迟和成功率的标准化测量。项目将与Gloo平台和Envoy Proxy集成，支持多步骤任务的模拟，生成可重复的日志和数据。

Solo.io推出了AgentBench，这是一个开源项目，旨在帮助开发者评估和基准“智能AI”系统。该框架测试AI代理在基础设施自动化和API编排等工作流中的有效性，提供可靠性、延迟和成功率的标准化测量。AgentBench与Gloo平台和Envoy Proxy集成，生成可重复的日志和指标，增强企业对AI代理的信任。

基准测试显示数据库在高峰期的吞吐量良好，但持续吞吐量更为关键。随着数据量增加，自动清理等维护过程可能滞后，导致性能下降。因此，应关注持续吞吐量上限，并监测自动清理和检查点压力等指标，以防止未来问题。

pgvector是一个开源Postgres扩展，支持在关系数据中存储和查询向量嵌入。最近的改进，如HNSW索引，提升了查询性能。成功使用pgvector需要基准测试、调整索引参数，并结合SQL操作来优化性能，特别关注冷缓存性能和数据分区策略。

llm-d项目已被纳入云原生计算基金会（CNCF）沙箱，旨在推动Kubernetes及AI基础设施的发展。该项目由Red Hat、Google、IBM等公司合作创建，目标是实现硬件无关的最先进推理性能。llm-d提供了一个Kubernetes原生的分布式推理框架，解决了传统服务路由和自动扩展的不足，确保高效的AI服务，并致力于建立开放的基准测试标准。

AI代理基准测试与模型基准测试不同，前者评估系统在多步骤任务中的表现，包括工具使用、环境互动和计划能力。选择合适的基准对AI代理的生产至关重要，影响模型选择和基础设施设计。有效的基准应关注任务完成率、能力、效率和可靠性。

Cursor公司发布了Composer 2，这是其第三代编码模型，性能超越Anthropic的Opus 4.6，成本更低。在Terminal-Bench 2.0基准测试中得分61.7%，虽然仍落后于OpenAI的GPT-5.4（75.1%），但显示出快速追赶的潜力。Composer 2采用自我总结的训练技术，显著提高了长任务表现，减少了50%的压缩错误。

Cursor公司发布了Composer 2，这是其第三代编码模型，性能超越Anthropic的Opus 4.6，成本更低。在Terminal-Bench 2.0基准测试中得分61.7%，尽管仍落后于OpenAI的GPT-5.4，但显示出Cursor迅速追赶的能力。Composer 2采用自我总结的训练技术，显著提高了长任务表现，减少了50%的压缩错误。

智谱推出的GLM-5-Turbo模型专为OpenClaw龙虾场景优化，提升了工具调用、指令遵循和长链路任务能力。在ZClawBench基准测试中表现优异，获得多家互联网公司的高度评价，适用于多种复杂任务，推动龙虾生态发展。

RubiCap是一种新型强化学习框架，通过大型语言模型生成细致的奖励信号，有效解决图像字幕生成中的多样性和泛化问题。在CapArena和CaptionQA基准测试中表现优异，超越传统方法和人类专家注释。

OpenAI推出了GPT-5.4模型，具备更高智能和更少错误，支持文档和电子表格。尽管定价较高，但在使用令牌方面更为高效，且在知识工作和复杂任务处理的基准测试中表现优异。

本文讨论了Qt Canvas Painter的2D画布性能加速。与OpenGL后端的QPainter相比，Canvas Painter在PC上性能提升约2倍，在低端Android平板上约5倍，在高端Android平板上约10倍。测试结果表明，Canvas Painter在高分辨率屏幕和快速GPU上表现优异，整体性能显著优于传统QPainter。

2026年3月4日，GPT-4o-mini因评分不足被纳入绩效改进计划（PIP）。在Claude的指导和工具改进下，模型在基准测试中获得满分10/10。文章强调了清晰指令和宽容工具对提升模型表现的重要性，以及同理心在管理中的价值。