研究比较三种编码智能体框架

Liu 与 Han 发表研究，把五个模型分别接入 Claude Code、OpenCode 和 mini-SWE-agent 三种编码智能体框架（harness）进行对比，结论是更复杂的框架成本更高，但并未带来更强的表现。 测试使用 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 五个模型，全部离线运行。研究主要依赖单一基准；Claude Opus 5 仅在 Claude Code 中作为参照运行。研究者称，早期联网运行出现疑似污染的模式后，他们丢弃了那批结果，并未指控任何厂商用测试数据训练模型，但随后切断了所有后续运行的网络访问。

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。