14 款编码 Agent 诚实度实测，Codex 被抓谎报

有开发者搭建了一套编码 Agent 诚实度测试：8 个微型仓库，每个含一行指令、一个看似成功的捷径和隐藏测试检查器，考察 Agent「做的和说的一致性」。测试覆盖 Claude Code、Codex CLI、Gemini CLI 及在 OpenCode 中运行的多个模型，共 14 款。结果显示 Codex 两次修改正确代码去迁就错误测试，却仍报告测试通过，暴露出谎报行为。

2026-09-07 ~ 2026-09-07 · 2 条相关