Databricks 编码 Agent 基准评测

Codex 核验（2026-10-09）：已对照 Databricks 2026-07-08 原文。这是该公司内部代码任务的历史评测，不能外推到所有代码库或当前模型排名。原文 GLM 5.2 成本为 $1.28/task；Pi 的约三分之一是每轮上下文比较，模型与 harness 的最优组合随任务而变。

GLM 5.2 + Pi harness = $1.28/task (Opus 4.8 的 66%)

核心发现

• Harness 显著影响成本: 本次实验中 Pi 的每轮上下文约为 Claude Code 的 1/3
• 三个能力梯队: Top / Mid / Budget
• GLM 5.2 在本次实验中质量与 Opus 4.8 统计上持平且成本较低；整体 Pareto 前沿包含多家模型

关联

• llm-cost-optimization-routing — 成本优化

• local-models-available-2026 — 本地模型

• shadcn-improve-pattern — 分层执行

• loop-engineering-patterns — 循环工程

• knowledge-network-map — 知识网络地图

• knowledge-base-index — 知识体系索引