Surge 推出 sudo L7：用真实生产代码测模型的 Staff 级工程判断力

echen · x · 2026-10-14

Surge 发布新基准 sudo L7，专门衡量区分「能写代码」与「Staff 级工程师」的判断力：- 60 个真实任务，约 70% 取自企业私有授权的生产代码库——真正的软件工程发生在有多年历史包袱的仓库里：没人敢碰的遗留代码、历史意外固化为架构决策、以意外方式崩坏的依赖。- 任务由来自 Google、Meta、GitHub、NASA JPL 等公司的 staff/principal 工程师、前 CTO 编写，每个任务都源自对前沿模型真实失败案例的观察。- 每个任务按 8 个维度打分：功能正确性、工程手艺、实用判断、如实汇报、验证（边界与故障模式）、质疑有缺陷需求的思想伙伴能力、沟通、挫折后的坚持。