sudo L7
2026-10-09 · 通用编码能力
- 测什么
- 通用编码能力：在真实代码库里完成改动、发现风险、验证危险情况，并把决定说清楚。60 道题由 staff 及以上工程师编写，多数来自私有生产仓库，也有开源项目。在本站作为 general 榜，同时出现在 Web 前端与 Android 场景。
- 怎么测
- Surge AI 的 sudo L7。专家为每道题写评分细则，模型对照细则打分，并用单元测试、静态分析等可执行检查作证据。博客称共八个维度，点名的有功能正确性、实践判断、思路协作（Thought Partnership）、验证、工程工艺（Engineering Craft）、如实报告（Truthful Reporting）和沟通。
- 分数含义
- 百分比是没有漏掉必要要求的任务比例。榜单页只公布这一列。功能正确性上前四名接近：Sol 82.4%，Opus 5.5 82.1%，Astra 81.5%，Sonnet 5.5 79.6%。思路协作上 Opus 76.1%、Sonnet 74.8%，Sol 53.0%、Astra 51.6%。沟通上 Sonnet 72.4%，Sol 44.1%。
- 注意
- 榜很新，只有 60 题，任务集不公开。评分由模型对照专家细则完成。Surge 是 AI 数据供应商。博客里的单任务成本是约数，榜单页没有成本列。
- 更新
- 博客发布于 2026-10-08，榜单页最后发布于 2026-10-09。本页于 2026-10-10 同步公开榜上的 12 行。
完整榜单
12
| # | 模型 | 分数 |
|---|