Epoch AI 与 METR 发布 MirrorCode 长程编程任务结果

事件摘要

Epoch AI 与 METR 发布了 MirrorCode 长程编程任务结果。该基准要求模型在没有源代码和网络访问的条件下重建程序。一轮 Claude Opus 4.7 运行以报告的 251 美元推理成本，在 14 小时内完成了一个约 1.6 万行的目标程序。

影响评估

• 能力跃迁 +2 · 中期

  MirrorCode 提供证据表明，现有模型能在受控条件下完成部分长程程序重建任务。

  受影响群体: software engineers、AI-agent researchers、developer-tool builders

共识度与来源

• 1
  MirrorCode: What's the largest software project AI can complete on its own?

  原文可访问: https://epoch.ai/MirrorCode

  参考证据 引用已记录 原文可访问
• 2
  MirrorCode: Evidence that AI can already do some weeks-long coding tasks

  原文可访问: https://metr.org/blog/2026-04-10-mirrorcode-preliminary-results/

  参考证据 引用已记录 原文可访问
• 3
  Import AI 466: The bitter lesson for robotics, AIs complete week-long programming tasks

  原文可访问: https://importai.substack.com/p/import-ai-466-the-bitter-lesson-for

  参考证据 引用已记录 原文可访问