一句话看懂：Epoch AI 联合 METR 发布了一个名为 MirrorCode 的新基准，专门测试 AI 模型在无源代码、无联网、长时间无人干预的条件下，从头重写整个软件项目的能力。Claude Opus 4.7 已在该基准上接近完整重写一个约 1.6 万行代码的生物信息学工具。
事件核心：发生了什么
MirrorCode 是 Epoch AI 与 METR 联合开发的软件工程基准测试。与常见的“修 Bug”“实现单个功能”类基准不同，MirrorCode 要求 AI 模型在无法访问原始源代码和互联网的沙盒环境中，端到端地重新实现完整程序，并通过包含未见测试在内的严格输出比对。基准共包含 25 个目标程序，覆盖 Unix 工具、数据序列化、生物信息学、解释器、静态分析、密码学和压缩等方向。
MirrorCode 的关键设计是不限制推理预算。官方给出一个极端案例：某项大型任务单次运行耗资 2600 美元，AI 连续工作 19 天。另一个更具代表性的结果是，Claude Opus 4.7 用 14 小时重写了 gotree——一个约 1.6 万行 Go 代码、包含 40 多个命令的生物信息学工具包，成本 251 美元，通过了 2000/2001 项测试；Epoch 估计同样的任务由人类工程师完成需要 2 到 17 周。
目前当前排行榜采用 15 个 Medium 和 Large 类目标程序、每个程序用 Go 和 Ada 两种语言实现，共 30 项任务，每次尝试给 10 亿 token 和 7 天时间。基准的 25 个目标程序中，22 个已开源，剩余 3 个留作私有测试集。
为什么重要
MirrorCode 回答了一个此前缺乏可量化答案的问题：AI 能独立承担多大规模的软件项目？过去大多数基准把任务切碎，衡量的是“补全代码”的能力；MirrorCode 衡量的是“把整个项目从头到尾交出去”的连续工作能力。这在时间
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。
