编码榜与智能体榜差异
Substantial_Step_351 · reddit · 2026-07-09
帖子对 LiveBench 的编码评分和 agentic coding 评分做了对比，指出 Claude 4 Sonnet 的非思考版在 coding average 上领先，但在 agentic coding 上明显落后；同样，Sonnet 5、Sonnet 4.6 等版本在两个榜单中的排序也会翻转。 作者进一步解释，coding average 更偏静态代码生成与补全，而 agentic coding 更像 dockerized terminal tasks，因此两项指标测到的是不同能力。帖子还提到 GPT-5.5 thinking high effort 也出现了类似现象，在两个列之间有很大分差。