实际上大家工作的挑战在于怎么在一坨 山上持续迭代，甚至无缝迁移升级。 现在的 coding agent 就缺一种这类在 上雕花的benchmark 我估计现在市面上的模型的分估计都不高 2 个帖子 - 2 位参与者 阅读完整话题