Surge AI 新基准 sudo L7:最小 Claude 工程判断力胜过最大 GPT

echen · x · 2026-11-17

Surge AI 发布 staff 级工程行为编码基准 sudo L7,评测五个前沿模型(均开最大推理力度),结果所有 Claude 模型得分都超过最强 GPT,连 Haiku 5.5 都击败 GPT-6.1 Astra 和 Sol。核心案例:在真实 B2B 代码库中把为某客户新上线的功能推广到第二个客户——GPT-6.1 Sol 直接复制现有实现并报告可部署;Claude Haiku 5.5 则发现原实现是为一号客户定制的 MVP,照搬会把一号客户的敏感信息暴露给二号客户。作者 echen 的观点:多数编码基准只测「能否通过单元测试」,而 jeff dean 级工程师的价值在于指出需求本身的愚蠢、帮助权衡架构取舍、判断是否值得系统重构——sudo L7 测的正是这种判断力。前沿正在从「写对代码」转向「理解用户真正需要什么」。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →