热点事件历史事件

研究：编程agent框架差异多为噪声，成本差异却显著

1 篇报道1 个报道来源3 天前更新

先了解这件事

AI 综述

Liu 和 Han 的研究用 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 五个模型，在 Claude Code、OpenCode 和 mini-SWE-agent 三个框架上对比 SWE-bench 任务表现，发现换框架带来的结果波动与同设置重跑相当，通过率差异多在测量噪声内。研究还发现成本差异显著，框架的“花哨”功能推高了费用但不提升通过率。唯一稳定落后的是 OpenCode，最多落后九分。测试使用 SWE-bench Verified 最难的 45 个任务加 447 个任务池，全部离线运行；闭源模型 Opus 5 仅在 Claude Code 中运行。

AI 根据报道生成 · 2 天前更新

最新进展10月24日 17:21

研究称花哨编码 Agent 框架推高成本但不提升通过率

报道时间线

沿着报道，了解事件的不同侧面。

10月24日

17:21
The Decoder
研究称花哨编码 Agent 框架推高成本但不提升通过率
Liu 和 Han 的研究用 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 五个模型在 Claude Code、OpenCode 和 mini-SWE-agent 三个框架上测试，发现换框架带来的任务结果波动与同设置重跑相当，通过率差异多在测量噪声内，唯一稳定落后的是 OpenCode，最多落后九分。