研究：编码Agent框架差异不显著

Liu 与 Han 发布研究，让 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash 和 HY4-Preview 五个模型分别在 Claude Code、OpenCode、mini-SWE-agent 三种编码 Agent 框架下运行 SWE-bench Verified，发现在 447 个任务上，最重与最轻框架的通过率相差不到两个点，属于统计等价。研究据此认为，更复杂的框架只增加成本，不提升效果。 测试全部离线进行，任务包括 SWE-bench Verified 中最难的 45 个以及另外 447 个任务池；闭源顶级模型 Opus 5 只在 Claude Code 中运行。数据和脚本已在 GitHub 公开。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。