長程軟體測試

深度分析

MirrorCode：AI 以行為觀測重建 25 種多語言程式，Claude Opus 4.7 取得 56% 成功率

本研究推出 MirrorCode，作為長程程式碼重建基準，要求 AI 在無源碼、僅能執行原程式的情況下，完整復刻 25 個不同領域的 CLI 軟體。實驗顯示，最佳模型 Claude Opus 4.7 在全基準上取得 56% 成功率，能在 14 小時內重寫 16,000 行的生物資訊工具 gotree，成本約 251 美元。