开发者用自己项目建编程榜单,21 个任务横评 19 个模型
teortaxesTex · x · 2026-11-13
开发者 aquilesfd 用自己多年的项目搭建了一个编程基准 aequindex：21 个任务、19 个模型、统一仓库与工具，每任务满分约 348 分（Opus 5.5 (high)）。网站还提供分数对成本、耗时、token 数和行为惩罚的散点对比，标出「最有吸引力象限」。teortaxesTex 评论说这类个人榜单不会被刻意刷分，Top 档里 Astra 6 (medium)、Opus 5.5 (high)、Kimi k3 (high)、Gemini 4.5 (high) 等排名更偏向规格化任务而非「Opus 让我开心一下」式用途。
所属事件:开发者以自家项目建编程基准，21 任务横评 19 模型(2 条相关)→
「编程与Agent」频道最新
- MIT×Meta 论文 ReHarness:让 Agent 用后续结果回头修订旧记忆 — rohanpaul_ai · 2026-11-13
- Mnemos 入驻 Nous 插件市场:给 Claude Code/Codex 等配跨平台持久记忆 — RileyRalmuto · 2026-11-13
- AI 游戏平台实测数据:玩家厌恶加载屏,pop-in 版点击转化高得多 — TAbrodi · 2026-11-13
- 可视化贴图吐槽:每天与 agent 互相挫败的节奏曲线 — dbreunig · 2026-11-13
- 斯坦福CS329Z讲座：上下文塞得越满，agent检索准确率越差 — stanfordnlp · 2026-11-13
- 斯坦福新开 CS329Z 课程：把 AI Agent 当工程系统来教 — stanfordnlp · 2026-11-13