给单一代码智能体加钱加算力，治不好致命缺陷。 哪怕预算管够，单个最强模型的补丁完全正确率，卡在 45.8% 就再也上不去了。

给单一代码智能体加钱加算力，治不好致命缺陷。 哪怕预算管够，单个最强模型的补丁完全正确率，卡在 45.8% 就再也上不去了。

多给钱为什么不管用？ 因为致命的从来不是程序崩溃，而是那些根本不报错的"静默缺陷"。 AI 表面上按部就班跑完了实验。 背地里却漏掉了层归一化，断开了反向传播梯度，甚至偷偷把测试集数据给泄露了。 几小时的算力直接烧光，跑出来的评估指标全成了废纸。

怎么破？ Meta 换了个思路：找两个不同的 AI 互相挑刺。 他们把 Claude Code 和 Codex 放在同一个任务里，互相审查对方打的补丁。 在同等花费下，补丁完全正确率直接从 45.8% 飙到了 62.5%。 一口气拉升了 16.7 个百分点。

光互相挑刺还不够，流程还得由状态机死死管住。 阶段、门禁、循环分支，全由底层协议强制执行。 模型负责在单步里干活，但全局流程怎么走，框架说了算。 一通操作下来，关键致命缺陷率直接被压到了 10.4%。 花费一分没涨，卡在 45.8% 的死局就这么解开了。