认识代理人 Bake-Off：针对编码代理（如 Claude Code、@cursor_ai、@AmpCode、@FactoryAI、Codex 等）的盲测并排测试。 我们一直在构建最大的现实世界编码代理基准，并且我们很高兴分享我们开放社区工具的早期预览。

随着代理商的普及，关于代理商如何被使用和采购的真实世界数据将变得更加重要。 我们希望任何人都能进行公平的比较，参与公共排行榜，并将生态系统建立在真实的偏好之上。 在这里尝试：

现在超级简单： - 选择一个预设的公共仓库 - 输入一个任务 - 我们在两个匿名代理上以相同的上下文运行它 有些任务可能需要一些时间，因此您可以选择提交您的电子邮件，以便在结果准备好时收到通知。

完成后，您将获得： - 并排输出和差异 - 元数据，如推理笔记、使用的工具和花费的时间 - 一次盲投票以选择更好的结果 您的投票和运行将为公共社区排行榜提供数据。

这仍然是一个非常早期的版本，我们很高兴看到哪些对人们有用。 我们正在探索的一些领域包括：什么样的 UI/UX 更适合审查并行代理工作，什么元数据和任务是有价值的，等等。 *特别是*针对现实世界的使用

我们还将不断更新 Agent Bake-Off，以添加更多前沿代理、其他子集代理（PR 审查代理、安全/防护代理等），看看人们是否希望能够带入自己的公共/私有仓库等。

我们正在努力建立最大的现实世界基准和代理排行榜。Agent Bake-Off 是一个小小的第一步。 请尝试一下，投票，并告诉我们您认为哪些功能会对您有用！！！