---
id: "2107447530204131352"
title: "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…"
account: "mubei"
brand: "@mubei"
category: "其它"
category_slug: "other"
score: null
published_at: "2026-10-06 12:36:20"
translated_x_url: "https://x.com/i/status/2107451336342020134"
canonical_url: "https://mubeitech.com/p/2107447530204131352"
markdown_url: "https://mubeitech.com/p/2107447530204131352/markdown"
json_url: "https://mubeitech.com/api/posts/2107447530204131352"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# 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…

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。

---

_Translation: <https://x.com/i/status/2107451336342020134>_
_Canonical: <https://mubeitech.com/p/2107447530204131352>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-10-06 12:36:20_