干活到底选谁

跑分好看不等于顺手:写代码、跑 Agent、拼性价比,各家其实各有主场。

前三

1. 写代码之王: SWE-bench Verified 用真实 GitHub 修 bug 打分,Claude Opus 4.5 约 80% 的解决率长期是程序员心中的编码首选。
2. 智能体谁扛得住: 多步工具调用、长时间跑任务不跑偏,才是 Agent 时代的真考验——考的不是聪明,是稳。
3. 性价比与速度: Gemini Flash、GPT-5 mini 这类轻量档以几分之一的价格和更快的响应,把"够用又便宜"做成另一条赛道。

来源

• SWE-bench
• Anthropic Claude

打开完整版