编码智能体评测展示质量与任务成本差异 同一组编码评测中，Sonnet 5.5＋Claude Co
编码智能体评测展示质量与任务成本差异 同一组编码评测中，Sonnet 5.5＋Claude Code 得分 68、每任务约 14.19 美元，Gemini 4 Argon＋Antigravity 为 64 和 5.84 美元，GPT-6.1 Sol＋Codex 为 63 和 1.04 美元。
TechFoco
模型评测 专题
共 3 篇文章，按时间倒序展示。
livenerf 用固定评测追踪模型上线后的能力变化 这个开源工具固定提示、CLI 版本和评分器
livenerf 用固定评测追踪模型上线后的能力变化 这个开源工具固定提示、CLI 版本和评分器，重复测试同一组问题，并记录准确率、输出 token 和原始日志，以区分真实漂移与随机波动。
TechFoco
🤖 GPT-6 Astra 发布，评测全面登顶 OpenAI 发布 GPT-6 Astra，称
🤖 GPT-6 Astra 发布，评测全面登顶 OpenAI 发布 GPT-6 Astra，称其为迄今最智能、最对齐的模型。
TechFoco
