热点事件持续更新
kw-bench：真实任务检验智能体 harness
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 10 月 28 日，arXiv cs.AI 刊出研究团队的 kw-bench 基准，用于以真实世界任务检验编码智能体 harness（即承载模型的运行框架）。该基准首个任务族是跨三代 SAP 系统的五年增值税重建，评分采用确定性方式，不使用 LLM judge。报道称，在同一个 DeepSeek v4.1 Flash 模型上运行两小时，不同 harness 的结果差距明显：OpenCode 得 0.542，micro-cc 得 0.528，而 Claude Code 与 Codex 均为 0.00。目前该事件仅有这一篇报道，尚无后续独立复现或版本更新信息。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
新基准首测：同一模型下 OpenCode 0.542 领先，Claude Code 与 Codex 均为 0.00。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIkw-bench：用真实世界任务击破前沿智能体 harness
研究团队推出 kw-bench 基准，首个任务族是跨三代 SAP 的五年增值税重建，用来检验编码智能体 harness，评分确定性、不用 LLM judge。同一 DeepSeek v4.1 Flash 模型跑两小时，OpenCode 与 micro-cc 得 0.542 和 0.528，Claude Code 与 Codex 均为 0.00。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。