待验证50% 置信事实精确时间
该 pilot 研究在真实企业仓库的 40 个维护任务上进行，对比同一个基于 Codex 的编码智能体在有无边界契约信息下的表现。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/3
首次发现
有效期至：2027/2/1
来源
涉及实体
相关事实
待验证四类任务必须留在纯代码里：基于已结构化数据的路由、重试与错误处理、任何必须能安全运行两次的操作、任何正则已能解决的事63% 相似待验证同一个前沿模型可以在一个下午完成UI走查、架构方案、40文件重构和安全审查四类工作，但四类工作都有各自不同的失败模式，真正适合的往往只有一类。63% 相似待验证一项实证研究对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。62% 相似待验证可复现测试应冻结约20个真实任务的测试集、记录硬件和运行时环境、并采用隐藏模型名称的盲评打分62% 相似待验证将Trace数据、已有评估结果、人工标注、APM监控日志和代码库汇聚到编码智能体（如Claude Code、Cursor、Codex）面前，可自动完成大部分排查工作，将原本以天计的过程压缩到分钟级。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129119API
curl https://kongchang.com/api/v1/knowledge/claims/1129119MCP
get_claim(id=1129119)