sudo L7 基准详解:60 个真实生产仓库任务,测 AI 能否当 Staff 工程师

echen · x · 2026-10-21

Surge AI 发布 sudo L7 基准的完整介绍:这是一个衡量「staff 级软件工程」的评测,不只看写代码,还看代码之外的专业判断。基准包含 60 个由职业软件工程师撰写的任务,主要取材于真实公司的私有生产仓库,辅以开源项目。核心论点是:今天的编码 agent 技术上正确但职业上常常出错——密码管理器明文显示密码、数据库迁移无确认无回滚地删数据、股票面板用模拟数据却不告知。初级工程师按 ticket 写代码看测试,staff 工程师则要处理模糊问题、预见后果、识别「测试通过不等于可以上线」。帖子还链接了此前 Opus 5.5 与 GPT-6.1 对比数据(正确性打平,判断与沟通维度 Claude 领先 20+ 分)。