sudo L7 基准:60 项真实生产任务,最强编码 agent 仅通过 45%
echen · x · 2026-10-09
echen（sudo）发布新基准 sudo L7，衡量编码 agent 能否达到 Staff 级工程师水准。详见后续帖子的完整链接内容介绍。
所属事件:sudo L7 基准发布：最强编码 agent 通过率仅 45%(2 条相关)→
「编程与Agent」频道最新
- Codex 用户实测:用自定义 policy 驯服烦人的 auto-review — pvncher · 2026-10-09
- LukeW 调侃设计师：需要一个管理多设备 agent 的美 App — LukeW · 2026-10-09
- 把 3D 航海游戏直接塞进 X 帖子，Claude Opus 一把造出 — prasenx · 2026-10-09
- ProximalHQ 训练 Qwen3.8-27B,DeepSWE Pass@1 提升至 37.2% — aryaman2020 · 2026-10-09
- edith-1 专抓 agent 失败与 reward hacking，准确率超 Sonnet-5.5 成本仅 1/274 — xennygrimmato_ · 2026-10-09
- edith-1 架构补充：概率过滤器初筛，失败轨迹交由昂贵 judge 深查 — xennygrimmato_ · 2026-10-09