@JinjingLiang: Codex、Claude、Grok 全部宕机。从未想象到 `agy` 如此关键...
摘要
该帖子突出了 Gemini 3.8 Flash 在 DeepSWE-bench 上优于 Opus 5 的性能，强调其在编码和代理任务方面的能力，并指出其通过 Orca 中的 `agy` 框架可用。
查看缓存全文
缓存时间: 2026/09/03 18:14
Codex / Claude / Grok 全部宕机。
从未想过 agy 竟会成为如此关键的依赖……
Orca ADE (@orca_build): Gemini 3.8 Flash 在 DeepSWE-bench 上的排名现已超越 Opus 5。
该模型在前端编程和智能体任务方面表现尤为突出，同时响应速度极快。
您可以通过 Orca 内置的
agy框架来运行它，与 Fable 等互补模型搭配使用效果尤佳。
相似文章
Gemini 3.5 Flash 凭速度看很不错（8分钟阅读）
谷歌发布了 Gemini 3.5 Flash，这是一款混合速度模型，在速度和成本上与 Opus 4.7 和 GPT-5.5 相抗衡，同时在智能体和编程基准测试中表现良好。
在同一仓库中运行 Claude Code、Codex 和 Gemini CLI 作为编码代理一周——它们各自的薄弱环节。
一位开发者在一周内对比了 Claude Code、Codex 和 Gemini CLI 三种编码代理，指出了它们在上下文处理、精确度和上下文大小方面的优势，以及在成本、模糊处理能力和一致性方面的不足。
我们是否应该彻底放弃用 Gemini 进行编程？
一位用户报告称，Gemini 3.1 Pro 在编程方面明显不如 Codex 和 Claude，将其比作经验不足的初级开发者，并对谷歌在前沿编程模型方面的竞争力表示怀疑。
@narens：基准测试巅峰
在Artificial Analysis的分析师代理基准测试中，Gemini 3.7 flash超越了Fable 5、Opus 5和GPT-5.6。
我们让 Grok 4.5、GPT-5.5 和 Claude 构建了相同的应用
本文对 Grok 4.5、GPT-5.5、Claude Opus 4.8 和 Claude Fable 5 进行了基准测试，让每个模型根据单一提示构建三个交互式应用（3D 魔方、粒子重力沙箱、打砖块游戏），比较它们的一次性编码能力。