研究：编码智能体框架增成本不升通过率

Liu 与 Han 发布研究，把 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 五种模型分别放进 Claude Code、OpenCode、mini-SWE-agent 三种编码智能体框架，在 SWE-bench Verified 的 447 个任务上测试。结果显示，最重与最轻框架的通过率相差不到两个点，落在统计噪声范围内；而三种框架对每个模型消耗的 token 量是最精简方案的两到三倍。 测试另包含 SWE-bench Verified 中最难的 45 个任务，全部离线运行；Claude Opus 5 仅作为参照在 Claude Code 中运行。研究数据与分析脚本已在 GitHub 公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。