一句话看懂：一个名为 Benzi 的代码智能工具在 Hacker News 公布基准测试，称在 SWE-bench Verified 的 500 个真实 GitHub issue 上解决率 78.2%，单次修复成本低于 10 美分，并在读取代码行的效率上优于 Claude Code 等主流 harness。
事件核心：发生了什么
Benzi 团队在 HN 发布了对比基准页面，把自家 harness 与 Claude Code 等主流方案放在同一组 24 个 GitHub issue、10 种编程语言上做“同条件对比”。核心数据有两个：一是在 SWE-bench Verified 的 500 个真实 issue 中，Benzi 声称解决率 78.2%，平均每次修复成本不足 10 美分；二是代码智能层面，Benzi 以“AI 原生”方式读取代码，报告显示其每提升一档任务难度所额外打开的文件行数（斜率）低于 Claude Code，意味着它在处理更难 bug 时的上下文膨胀更慢。所有任务和尝试过程均公开，未做筛选。
为什么重要
目前公开信息显示，这组基准直指当前 AI 编程工具的两个痛点：成本和效率。Claude Code 等方案在 bug 变难时，读取行数和花费都更快上升；Benzi 想证明自己的 harness 在这些维度上斜率更平缓。如果数据可复现，它会影响开发者和企业对代码 Agent 的选型逻辑——不再只看“能不能解”，而是看“解一个 bug 要烧多少 token、读多少文件”。同时，SWE-bench Verified 是业界常用基准，78.2% 属于较高水平，但基准成绩与实际工程体验之间仍有差距。
对用户/开发者/创作者的影响
对开发者而言，这类工具的核心价值在于降低长尾 bug 的修复成本。若 Benzi 的斜率优势成立，处理复杂仓库时上下文管理和推理开销会更可控，配合低于 10 美分的单次修复价，适合接入 CI 或 issue 自动修复流程。对企业采购来说，需要区分“基准分数”和“私有代码库表现”，建议先在小范围仓库做 A/B 验证。对创作者和独立开发者，按次计费的低成本方案降低了试用门槛，但也要留意其模型依赖、数据隐私和开源/闭源边界目前公开信息有限。
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。
值得关注的后续
一是 Benzi 是否会公开可复现的评测脚本与完整运行日志，让第三方验证 78.2% 和成本数据；二是 Claude Code 等竞品是否会在难度-成本斜率上做出针对性优化或回应；三是该工具是否开放 API、支持私有仓库，以及定价是否随规模变化。这些将决定它只是榜单上的数字，还是能真正进入日常开发工作流。
