研究：编码智能体框架更重未必更准

Liu 和 Han 将 5 个模型分别运行在 Claude Code、OpenCode 和 mini-SWE-agent 三种编码智能体框架（harness）上，在 SWE-bench Verified 的 447 个任务池中比较通过率与成本。结果显示，最重的 Claude Code 与最轻的 mini-SWE-agent 通过率相差不到 2 个百分点，而同一配置重跑本身的波动最多可达 6 个百分点。 研究称，这意味着更复杂的框架更贵，却没有带来更好的通过率。所有运行均离线完成，Claude Opus 5 仅在 Claude Code 中作为参考运行，研究主要依赖一个基准。

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。