REbench评测智能体重建软件能力

BrandeisPatrick提出并开源REbench，用于评测AI智能体能否根据运行中的应用行为重建软件。智能体在断网环境运行60分钟，独立评分器再用运行结束后生成的隐藏工作簿检查结果与速度。 首轮任务是重建LibreOffice Calc公式引擎。Opus 5.5、Sonnet 5.5和Fable 5.1均通过3项隐藏测试，速度中位数分别为原软件的27.4倍、17.3倍和10.6倍；每个模型运行3次，评测需Docker、Python 3及已登录的Claude Code CLI。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。