腾讯 CodeBuddy 对战 Claude Code 结果不佳

腾讯自建的 Agent 基准 WorkBuddy Bench 测试了自家 CodeBuddy Code 和 Claude Code 的表现。260 道真实工作题分为代码、Web、办公、安全四类，7 个模型在两套 Harness 下进行测试。结果显示，Claude Code 在 28 组同模型对比中赢得了 17 组，CodeBuddy 仅赢得 11 组。特别是在代码类题目中，Claude Code 以 7:0 完胜，所有 7 个模型在更换为 Claude Code 后均有得分提升。虽然 CodeBuddy 在 Web 和办公类题目中以 4:3 小胜，但在安全类题目中则被 Claude Code 以 4:3 拿下。测试结果表明，仅更换 Harness 就能导致成绩差异十几分，因此评估 Agent 的强弱不能仅依赖底层模型。然而，腾讯的榜单也存在不足之处，每类题目仅有 50 到 80 道，社区质疑增加难题是否会改变排名，且测试仅使用了两套 Harness，未包含 Codex。

本内容仅供参考，不构成任何金融、投资、法律或税务建议。文中提及的任何活动、奖励、线上活动或相关信息，不应被视为对购买、出售或交易任何加密资产的推荐、招揽或邀请。加密资产具有高波动性，存在价值损失风险。WEEX服务、产品及相关活动的可用性可能因地区而异。用户在参与前有责任确保符合当地适用法律法规。