一句话看懂：Supabase 开源了一个名为 Evals 的基准测试，用真实 Supabase 工程任务来评测 Claude Code、Codex 和 OpenCode 等 AI 编程助手的完成质量。这是后台即服务（BaaS）厂商首次把自家真实代码库当作 AI 编程代理的“考场”，让开发者能直观比较不同工具的实际工程能力。
事件核心：发生了什么
据 MarkTechPost Research 报道，Supabase 于 2026 年 8 月发布 Evals——一个开源的 AI 编程基准测试。它从真实 Supabase 项目的日常开发任务中提取题目，让 Claude Code、Codex 和 OpenCode 在真实代码环境中执行，再对结果进行自动评分。区别于常见的“刷题式”评测，Evals 更看重多文件修改、数据库操作、API 调用等真实工程场景中的完成情况。目前公开信息显示，具体评分细则和任务数量尚未完整披露，但评测框架已经开源。
为什么重要
AI 编程代理是目前大模型应用中最活跃的方向之一，但各家产品的评测往往由厂商自行发布，缺乏统一、可复现的比较标准。Supabase 将自家
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
