GitHub 公开 Copilot 与 Codex、Claude Code 各 harness 实测数据

0xkarasy · x · 2026-11-18

GitHub 官方宣布开始发布 GitHub Copilot harness 相对其他 harness(含 Codex CLI 与 Claude Code CLI)的性能数据,作为既有模型评测数据的补充——此前已公布各模型在 Terminal Bench 4.0 与 DeepSWE 1.1 上的表现。配图展示 Terminal-Bench 4.0 上「解决率 vs 每任务成本」散点:Claude Opus 5.5、GPT-6 Astra 位居高解决率/高成本区间(约 45-50%,$2.5+),GPT-6.1 Sol 约 47%/$0.5,Claude Sonnet 5.5 约 28%,GPT-6 Luna 解决率低于 10% 但成本最低(约 $0.08-0.14),三种 CLI harness 在多数模型上表现接近。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →