#基准测试

Databricks 实测：在数百万行复杂代码库中，到底哪种模型和 Harness 框架性价比最高、用起来最顺手

同一个模型换个外壳，成本差两倍；开源的 GLM 5.2 和 Opus 4.8 打平，每题便宜三成。考题是从自家已合并的 PR 改的，网上搜不到。