Agent 舰队登顶 ClickBench，领先次名 1.2 倍
jiayq 宣布其自主 agent 舰队在公开系统性能基准 ClickBench 上拿下第一：比次优引擎快 1.2 倍，比起点代码库快 3.1 倍，据称这是首次有自主 agent 舰队在正确性经独立验证的公开系统基准上夺冠。团队随后披露了方法论细节与复盘，并计划开源引擎。
已确认
- 舰队在优化期间共提出 397 个实验，每个都包含设计、独立评审与正确性门禁，并与最优 build 比较时间；其中 98 个产生改进，289 个被淘汰并附书面理由。
- 舰队递归改进自身工作流，共产生 93 项工作流变更，使日实验量接近翻倍。
- 团队刻意剔除任何只对该基准有效的优化以避免「AI 功能蔓延」，reviewer agent 专门清理特殊化 hack；ClickBench 后续新增了一个舰队从未针对优化的并发 QPS 指标，通用性能仍居第一。
- 榜单结果显示的是其 GizmoSQL 系统。
为什么重要
- 这是自主 agent 舰队首次在正确性独立验证的公开系统基准上夺冠，被视为 agent 自主完成复杂系统工程任务的标志性案例。
- 复盘指出，随着 agent 能力变强，周边基础设施成为迭代速度的主要瓶颈，而让舰队自主改进方法论被证明有效，对后续 agent 工程实践有参考价值。
- 引擎将开源，社区可验证与复用其成果。
2026-10-15 ~ 2026-10-15 · 5 条相关
一手来源
- Agent 舰队首夺 ClickBench 榜首，领先次名 1.2 倍 — jiayq ·
- Agent 舰队自改流程：93 项工作流变更让日实验量近翻倍 — jiayq ·
- ClickBench 夺冠细节：剔除基准特化优化，通用性能仍第一 — jiayq ·
- Agent 舰队自主提出 397 项实验,登顶 ClickBench 领先次名 1.2 倍 — jiayq · 2026-10-15
- 【源头】Agent 舰队首夺 ClickBench 榜首，领先次名 1.2 倍 — jiayq · 2026-10-15
- 【源头】Agent 舰队自改流程：93 项工作流变更让日实验量近翻倍 — jiayq · 2026-10-15
- 【源头】ClickBench 夺冠细节：剔除基准特化优化，通用性能仍第一 — jiayq · 2026-10-15
另有 1 条近重复转述:jiayq