研究：昂贵编程智能体框架只抬高成本不提升效果

Liu 和 Han 让 5 个模型在 Claude Code、OpenCode 和 mini-SWE-agent 三种框架上运行 SWE-bench Verified 任务，发现更换框架造成的分数变化与同配置重跑的噪声相当，通过率差异均在测量不确定度内，而单任务成本最多相差约三倍。 成本差异主要来自各框架的系统提示词和工具描述：三种框架每个模型的 token 消耗是最精简方案的两到三倍。所有运行均离线完成。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。