rizafahmi 发布编码 Agent 评测排行榜仓库 eval_leaderboard

rizafahmi 发布并部署了开源仓库 eval_leaderboard 及配套排行榜站点 eval.rizafahmi.com，用于对比各编码 Agent（Coding Harness + 模型组合）的表现。目前数据集含 12 条运行记录，其中 10 条已发布，覆盖 Antigravity、Codex CLI、Pi 与 ZCode 四个组合。 评测方式是给每个组合相同的起始仓库（含 README.md 产品契约、PLAN.md 的 S1–S7 实现切片和 AGENTS.md 约定），要求用 outside-in TDD 在 Elixir/OTP 中构建命令行 HTTP 压测工具 ./cb（面向 macOS 和 Linux），并按切片逐步验收。任务包含具体指标：5 秒起跑窗口（间隔 ≥100 ms、最多 50 次启动）、单请求 2 秒超时、严格 HTTPS 证书校验、流式丢弃响应体、p50/p95 延迟统计及 Ctrl-C 优雅退出（exit code 130）。 详情页展示各组合的 token 用量、缓存命中率及按 2026 与 2027 价格估算的成本对比；仓库主分支的推送和 PR 会触发 CI 工作流。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。