待验证50% 置信事实精确时间
一项实证研究对11个开源模型、4种解码配置在EffiBench全部1000道题目上进行了硬件级能耗测量，发现44种配置中有42种生成的代码比人类参考实现更耗能。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
涉及实体
相关事实
待验证Codex使用了126个子智能体、32500次工具调用、391次浏览器测试和2300多次单元测试；Claude Code使用35个子智能体、102次浏览器测试和296次单元测试70% 相似待验证开发者应用团队真实工单和代码库自行跑小规模对照测试，设定相同约束条件，观察各工具首次通过率、重试次数和总耗时，这比任何公开基准更有参考价值。69% 相似待验证研究团队在五种编码智能体框架中测试了九款专有与开放权重模型，结论是即便是最强的智能体也未能完全解决方案数字化任务。65% 相似待验证文中给出的采样器实现约四十行代码，是基于run_id哈希、从环境变量读取SALT、覆盖三种存储模式的提案代码，未经生产流量基准测试。65% 相似待验证论文的控制实验覆盖5种基础模型、5种基分类器和3个尺度，结果显示增益在不同编码器上均成立，且在更小尺度上观察到的提升更大。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1098279API
curl https://kongchang.com/api/v1/knowledge/claims/1098279MCP
get_claim(id=1098279)