研究比较三种编码Agent框架性能与成本

Liu 和 Han 发布研究，把 Qwen3.6、Qwen3.8、Deepseek-V4-Flash、GLM-5.3-Flash、HY4-Preview 五个模型分别跑在 Claude Code、OpenCode 和 mini-SWE-agent 三种编码 Agent 框架中，比较它们在 SWE-bench Verified 上的性能与成本。研究结论是：更复杂的 harness 让编码智能体更贵，但并未更强。 测试全部离线进行，使用 SWE-bench Verified 中最难的 45 道题，另加 447 道题组成的题库；Claude Opus 5 仅在 Claude Code 中作为参照运行。数据和脚本已发布在 GitHub。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。