（来源：上观新闻）
参与者可👩👦👦以自由🦖选择看🇨🇳🥧不看这些建议🍸🚾，用不💾🇨🇨用它们⛽➗。然而这种方法表现🏫⬛最差，Cal🆗vin仅🇺🇸有1.🦙527☂，说明这🇷🇪个指标捕捉🇰🇬的信号与实际有💓🥑效性之🚗🔫间存在✒💺严重脱节😮‼。
这是因↩为人和➕🚣♀️ AI “👅看到”的难🤸♂️📓度根本🇨🇾🐸不是一回事： 人🇦🇸类看的是🔶：逻辑复杂度🦹♀️、算法难度⤴👯♂️、业务🥍🈯理解门槛 Age🇸🇨nt 看的🇨🇻是：项目🇦🇮🍕有多大、🇮🇪要读多少文🇹🇦件、探⚠索路径有多长😌🔞、会不会反复修改🐑🇮🇳同一个文件🇹🇨⚜ 一个人类🈴专家觉得“改一行🇸🇯就行”的 Bug🏅，Age⛩🔔nt 可⏯能要先读懂整个代🇩🇿🎯码库的🚹🇮🇩结构才能定位🔀🏇到那一行—🔇—光是“读”👨💼就要烧掉大量 T📺📺oken🎀。
它拦住👈🇧🇮了你的第一反应😁🕛，逼你绕远⏹🚋路🇳🇬。发现三🔰：模型之间“能效🖲比”天差地别🇩🇴——GPT-💖🇨🇱5 最省，有🏴的模型多烧 🧚♂️150👩🔬☂ 万 T👯♂️oken 论文🇲🇼在业界标准的 S🐩WE-be👶🇪🇸nch🍞💽 Verif🤾♀️ied（50🇦🇺🇦🇸0 个真实👂 GitHub🛤 Issue😔🎯）上，测试了 🤷♂️♻8 个前沿大模型🆖🧁的 Agent 🥅表现🥮。
