搜索
Coding Agent写代码的能力越来越强，写测试的能力也在同步提升。从为函数补单元测试、为GitHub Issue编写复现用例，到为整个代码仓库构建回归测试，Codex、Claude Code等前沿Coding Agent已经能够浏览仓库、修改实现，并借助执行反馈不断修正测试。
Ben：Agent碰到障碍，会继续尝试，直到把任务做完。它不会告诉你中途哪里失败过，最后只会说：已经完成了。
Google Cloud AI Research等团队发布T2J-Bench，以63个整仓任务评测Coding Agent将PyTorch迁移至JAX的行为保真度，并提出TwinHarness，使Claude-Code与opus-5组合的总体得分从0.649升至0.723，相对提升11.4%。
近期，六角未来沿着 Physical Coding 的思路，进一步构建了 HexaShell-Preview。根据官方评测结果，在 RoboDojo 全部 42 项任务上，HexaShell-Preview 取得了 46.9% 的成功率、53.2 的进度得分，成功率高出第二名 7.5 个百分点，领跑 RoboDojo-Agent 榜单。
Coding Agent正在进入新的发展阶段。过去，它们主要修复Bug、解决GitHub Issue或实现相对独立的功能，SWE-bench等Benchmark已为此建立了成熟评测范式；如今它们开始承担从完整代码仓库生成、跨语言迁移，到需要持续探索与验证的长周期软件工程项目，任务规模和执行时间不断增长，单个Agent的上下文容量、推理能力和执行效率逐渐成为限制。
会写代码的 Agent，正在走向物理世界。
欧洲开发者 Mario Zechner 开发的极简 Coding Agent Harness Pi 只给模型一个 bash，却在多项 Benchmark 中击败 Claude Code 和 Codex，凭借极简设计和高可扩展性在 2025 年底爆火，团队来自维也纳而非硅谷。
OpenAI Codex负责人Tibo Sottiaux在访谈中详述了Codex从内部Python智能体演进为顶级编程助手的历程，并解释了选择Rust构建核心智能体、从一开始就开源CLI和SDK、不绑定自家模型等关键工程决策背后的考量，指出Codex的终极目标是打造易用的个人AGI。
同一套模型，换一个coding agent运行时，测试得分和实际消耗往往大相径庭。
字节Seed团队推出Seed-Evolving第五版更新，通过统一Model ID实现周级自动迭代，在Coding Agent长程任务完成度和VLM视觉理解能力上均有显著提升，用户一次接入即可享受模型持续进化。