Berryxia.AI@berryxia · XAI 摘要
Scale AI发布SWE Atlas最终榜单“Refactoring”，专门测试AI agent大规模重构代码而不破坏系统的能力。任务难度顶尖，代码改动量远超以往基准。Claude Opus 4.7配合Claude Code夺得第一。结果显示，即使前沿模型也常在重构时留下死代码、残留垃圾或漏掉调用点。国产模型中GLM-5排名最高（第8位），其次是Kimi和Minmax。榜单揭示核心挑战：写新功能容易，但干净优雅地重构老代码难十倍，真正顶级的agent需具备强大的“修代码”能力。
这个榜单的维度有点意义啊！ 很具有模型的真实水平的表现参考意义！
国产模型排名最高的是GLM-5，位居第8！ 但不是5.1 ，其次是Kimi、Minmax 。
重构代码才是真正把AI agent拉下神坛的终极考验。
Scale AI今天发布SWE Atlas的最终榜单「Refactoring」，专门测agent能不能把代码大规模重构却不把系统搞崩。
结果Claude Opus 4.7配合Claude Code直接拿下第一。
这次任务的代码改动量是SWE-Bench Pro的2倍、SWE-Bench Verified的30倍，难度直接干到顶。
即使是前沿agent，能写出能跑的功能重构，却经常在专业评审里翻车。
留下死代码、残留垃圾、漏掉调用点、或者在边缘case直接崩掉。
这才是最扎心的真相：
写新功能容易，干净优雅地重构老代码难十倍。
真正顶级的agent，不光要会生代码，更要会"修代码"。