研究比较三种编程Agent框架的成本与效果

Liu 与 Han 发布的对比研究显示，更复杂的编程 Agent 框架并未提升任务通过率，反而成本更高。研究在 SWE-bench Verified 的 45 道最难任务及另外 447 道任务池上，用 Claude Code、OpenCode 和 mini-SWE-agent 三种框架运行 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 五个模型，所有运行均离线进行。 研究称，在 Terminal-Bench 2.1 上的小规模交叉验证也呈现相同模式。闭源顶级模型 Opus 5 仅在 Claude Code 中运行。

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。