RuBench

深度分析

RuBench 1.0：首個以俄文原生規格評測的倉庫層級 AI 代理程式碼基準

隨著AI代理程式碼工具日益成熟，RuBench1.0以俄文原生客戶需求作為任務描述，針對五個活躍開源倉庫的25筆真實修正進行測試，最佳配置解決率達78.7%，同時揭露產品在20%任務中暗自切換模型的行為。評估包括ClaudeCode搭配Opus4.8與其他三款模型。