实测数据打脸:Claude Code 在 Terminal-Bench 2.0 排名垫底
OwariDa · x · 2026-11-16
OwariDa 用实测数据反驳关于 Claude Code 泄露源码的争论,给出两个关键论点:
- 泄露的 print.ts 不是「符号推理内核」:那个 3167 行的 runHeadlessStreaming 函数是 claude -p 无头/SDK 模式的入口,负责 JSON 管道、SIGINT、限流、认证、MCP 生命周期等运维性代码,486 个分支只是没重构的管道代码,交互式 Claude Code 根本不走它。
- Claude Code 不是强 harness:在 Terminal-Bench 2.0 上,同样用 Opus 4.6,Claude Code 得分 58.0%,在 10 个 Opus 4.6 条目中垫底;而只靠向 tmux 会话发按键的 Terminus 2 反而拿到 62.9%。Opus 4.5 上 Claude Code 也只有 52.1%。
作者还引用对方过往言论指出其前后矛盾,认为更简单的 harness 能大幅超越 Claude Code。
所属事件:Gary Marcus 与网友激辩「LLM加工具是否等于神经符号AI」(6 条相关)→
「编程与Agent」频道最新
- 开发者给自己的交易日志做了 MCP 服务器,让 Claude 直接查询战绩 — Occ_inv · 2026-11-16
- 万字实战：用 AIsa 与 AI Agent 串起海外达人营销全流程 — sujingshen · 2026-11-16
- 经济学家用 Claude Code 打造开源 LaTeX 编辑器 TeXugo — joshgans · 2026-11-16
- 模型出智力、Harness 出能力：用编码 Agent 自动剪视频，token 省 30% — Efficient-Clock337 · 2026-11-16
- 单人 AI 业务作者发布完整工作区视频演示 — aryanXmahajan · 2026-11-16
- Autopilot Browser 推出 MCP Server，用自然语言驱动浏览器自动化 — modelcontextprotocol · 2026-11-16