HyperHat

HyperHat创始人公布了一项针对约60名工程师的基准测试，让工程师指挥编码代理完成真实任务，并对'指挥、审查、验证'三个环节打分，满分1000分。

测试中所有工程师使用相同的工具环境，以剥离模型能力差异。

测试显示高分工程师的优势不在措辞技巧，而在规格（specification）质量，即能在任务开始前把问题定义清楚，让代理有明确的边界和目标。

测试中最有区分度的行为是审查方式：高分工程师验证机制（改动了哪些文件、测试是否被修改、变更路径是否符合预期），低分工程师只检查最终输出是否看起来对。

该测试是约60人的早期样本，评分体系由一家创业公司设计，方法细节未完全公开，结论应视为方向性参考而非定论。