推荐文章8

Claw - SWE - Bench：揭秘编程Agent评测真相

AIGC开放社区2026-06-17

AI 摘要

基元律动等机构：发布Claw - SWE - Bench基准，拆分模型、harness和任务集。实验显示harness对成绩影响大，还解决通用Agent评测难题，推出低成本Lite版，提醒看SWE - bench成绩要关注harness。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Codex负责人：Codex两三月后将过时

Codex负责人称两三个月后Codex将过时，因下一代模型要处理大规模并发Agent，非其能应对。Huggingface实验显示大小模型在不同harness下排名差异大，脱离模型谈harness过时或不适配说模型Agent能力都不妥。

AI编程圈两极分化，围绕底层Harness是否消失争议不断。前Kimi CLI负责人stdrc提出反常识观点，认为模型越强Harness越厚，复杂度从“能力层”转移到“协作层”，还以Kimi CLI实践及Raft创业为例阐述。

作者用 Kimi K3 为墨问的 CatReader 增加发现页，实操中它多数时候快且抗用，不过周五晚变慢，收尾工作交给了 GLM 5.2。对用户觉得 K3 又慢又贵的问题进行分析，还区分了 Kimi App 和 Kimi Code 使用场景。

过去一年 AI 行业变化溢出模型层，Coding Agent 铺开，视频生成实现商业变现，具身智能供应链成型。Founder Park 从四维度选出「中国 AGI 创新影响力机构 TOP 30」，涵盖多领域团队。