Agent 编程能力从 10% 飙到 70%，Anthropic 新模型却遭遇灵魂拷问：我什么时候才会用它？

事件

Anthropic 新模型在 Agent 编程能力上出现大幅跃升，相关评测显示其完成率从约 10% 提升到 70%。这意味着模型在自主编写、修改和调试代码等任务上的可靠性明显增强，不再只是偶尔可用的辅助工具。

能力提升的关键在于模型对多步骤任务的规划与执行更稳定，能够在较长上下文中保持目标一致，并减少中途放弃或产生无效代码的情况。不过，围绕这一进展的讨论并不全是乐观：不少开发者提出疑问，既然能力已经达到 70%，为什么自己在日常工作中仍然很少真正把它用起来。

这种落差指向 Agent 编程落地的现实障碍。能力指标衡量的是任务完成度，而实际使用还取决于信任成本、调试负担、与现有工作流的整合难度，以及出错后的排查代价。对开发者而言，值得关注的不是单一分数，而是模型在真实项目中的可预测性和可控性。对 Anthropic 及同类厂商来说，如何把能力提升转化为用户愿意持续使用的产品体验，才是下一阶段的真正考验。

来源

本条目由采集管线自动抓取并发布，完整内容见下方来源链接。

*采集源：InfoQ 中文*