行业与实践 · 标签「WorkBuddy」

研究与基准测试/2026-07-23/11 分钟

四块分数不能加总：腾讯 WorkBuddy Bench 把编码 Agent 拆成四套尺子

80、70、50、60 题，两套 harness，每格三次 think mode。报告明确不报套件总分。Claude Opus 4.8 拿下五列第一，GLM-5.2 拿下两列安全，GPT-5.5 只在 Claude Code 的 Office 上最高，86.05。