内部基准没给分数：阿里云 Qoder 只用四维比较专家模式

内部基准没给分数：阿里云 Qoder 只用四维比较专家模式

阿里云社区在 2026 年 7 月 30 日写了 Qoder Experts Mode 怎么组织多 Agent 写代码，以及一次内部基准。Qoder 是阿里云智能的 Agent 编程产品。Experts Mode 把开发拆成组长编排和专家执行，而不是一条路径走完。质量结论是「更好、更便宜、端到端更快」，但没有总分、样本量和任务清单。

组长编排，专家不互相私聊

Team Lead 对齐目标、拆任务、盯进度、收结果。五个内置专家是 coding、QA、review、research、verification，也可以自定义。每个专家有自己的工具集。任务可以声明依赖，形成轻量 DAG：接口和界面并行，集成测试等两边都完成才解锁。

专家默认异步并行。Leader 派出一个就返回，可以马上派下一个。专家之间不直接通信，信息都经过 Leader，避免状态随着人数爆炸。人可以中途插入，Leader 在下一轮改方向或取消任务。Leader 有邮箱：专家做完用回调投信，空闲时 Leader 读未读消息，注入上下文，再决定派工、改状态或回复用户。循环是报告、评估、行动，直到任务结束。

做完之后，系统看纠正、失败和用户指示，在设定条件下抽出可复用 Skill。主 Agent 和子 Agent 各自沉淀，存成持久记忆，相似任务再注入上下文。这是经验回路的设计，不是这次基准的提升幅度。

五个专家各自带了一项不能外推的数字

• Research：技术选型、故障根因、竞品、代码影响和依赖升级。工具包括语义搜索、代码搜索、知识图谱、Wiki 和网页搜索。相对文中所说的业界主流方案，代码搜索 F-Score 提高 21%。没写对照产品和测试集。
• Coding：新功能、线上缺陷、重构、API 和数据库迁移。用 Context Engine 和 RepoWiki。安全上支持 Mac、Linux、Windows 沙箱。没有编码基准分数。
• QA（Verify）：变更后的回归、提交前质量门、重构后的功能完整性、需求验收、构建和发布前检查。做法是按变更精确圈范围，检查功能、规范、类型、测试和编译，并自动收证据。没有通过率。
• Code Review：评审架构、逻辑、安全、性能、并发和错误处理。文中写在开源评测基准上排行业 Top 2，超过 Cursor、Codex 等，句末有星号。没写基准名称、名次表和误报率。
• Browser：页面交互、表单、视觉回归、注册登录和跨浏览器。相对 Playwright-MCP，同样任务省 60% Token。没写任务条数。

这五项不能和后面的「整体质量更好」相加。21%、Top 2 和 60% 各有各的对照，而且对照细节不完整。

复杂任务基准只公开了比较方向

内部基准覆盖全栈开发、跨语言重构，以及在已有代码库里加功能。同一模型，成本按官方 API 价计算。比较对象是 Qoder 单 Agent 模式，以及 Claude Code Agent Teams。

三条方向是：整体质量更高，也高于 Claude Code Agent Teams；质量更高的同时，总成本低于 Claude Code Agent Teams；单任务可能比单 Agent 更慢，但并行、更早验证和更少返工让端到端周期更好。质量拆成可用性、完整性、界面体验、工程质量。可用性来自实现、验证和评审分人做；完整性来自 Leader 把需求拆成可并行子任务；界面来自 Browser 专家验收；工程质量来自 Verify 和 Code Review 提前介入。

原文没有给出四维分数、任务数、胜率和美元成本。单任务变慢多少、端到端快多少，也没有数字。星号对应的开源评审榜没有在正文展开。

出处：阿里云，Alibaba Cloud Community，Inside Qoder Experts Mode，2026-07-30，https://www.alibabacloud.com/blog/inside-qoder-experts-mode_603408