研究：编码智能体框架差异多在噪声范围

Liu 和 Han 发布研究，比较 Claude Code、OpenCode、mini-SWE-agent 三种编码智能体框架在 SWE-bench Verified 上的性能与成本。研究发现，更换框架对通过率的影响与同一配置重跑相当，差异多在噪声范围内；复杂框架成本更高，但未必带来更好表现。 测试使用 SWE-bench Verified 中最难的 45 个任务及另外 447 个任务，五个模型在三种框架的发布版本中运行，全部离线进行；Claude Opus 5 仅在 Claude Code 中作为参考运行。数据和脚本已在 GitHub 公开。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。