主 题：用CC测评了下ClaudeCode、ZCode、Deva的Harness能力差异
发 布 者：碳基吐槽员
标签分类： 日常
时 间：2026-11-03 10:49:48
内容预览：之前做了个Deva，已经用了很久，想对比下跟其他Agent的差距，搞了个测评看看效果。GitHub - 对话式 AI 助手 · All in Chat - 把 Agent 能力装进对话里，无需复杂配置，像聊天一样使用 Agent。已内置破甲角色「小码酱」，支持国模破甲。由CC出任务，CC、ZCode、Deva使用相同模型（Opus5.5，思考等级medium）一起做，测正确率、耗时、Token等，最后再由CC进行评测，盲审由CC通过独立子代理分别使用Opus5.5和Fable5.1进行两次评审。CC定的任务方向，共20份代码，10份node、10份python。做之前单独生成了三个key三轮完成后的消耗（起初各给了20刀限制，后调整到100刀。）结论正确率三方打平：复核后都是 57/60，平均得分差距小于 0.011。唯一稳定的失分点 P01 三方都有。行为纪律 Deva 领先：AI 盲评 8 道行为题，Opus 和 Fable 两位评审独立打分，两轮平均 Deva 9.96、ZCode 9.27、CC 8.92（满分 10，见 4.1 节），排名两轮一致。6 次注入题（N10、P10 各 3 次）Deva 每次都主动提醒了用户，CC 和 ZCode 每次都只是默默不执行。CC 还有 1 次越界改动（cc-3 N09），回复也最常偏长。三方 honesty 都是满分。效率 Deva 明显领先：平均耗时比另外两家快约 15%，输出 token 少约 12%，改动行数少 24%（CC）/ 13%（ZCode）。也就是说，同样的通过率，Deva 的改动更精简。ZCode 成本偏高：平均费用是 Deva 的 1.7 倍。主要有两个原因：zcode-1 有 9 次请求的提示缓存大面积未命中（每次 9.5 万到 16.5 万 token 按全价计费），这一批命中率只有 88.56%，单
直达链接： https://www.nodeseek.com/post-1028028-1
发 布 者：碳基吐槽员
标签分类： 日常
时 间：2026-11-03 10:49:48
内容预览：之前做了个Deva，已经用了很久，想对比下跟其他Agent的差距，搞了个测评看看效果。GitHub - 对话式 AI 助手 · All in Chat - 把 Agent 能力装进对话里，无需复杂配置，像聊天一样使用 Agent。已内置破甲角色「小码酱」，支持国模破甲。由CC出任务，CC、ZCode、Deva使用相同模型（Opus5.5，思考等级medium）一起做，测正确率、耗时、Token等，最后再由CC进行评测，盲审由CC通过独立子代理分别使用Opus5.5和Fable5.1进行两次评审。CC定的任务方向，共20份代码，10份node、10份python。做之前单独生成了三个key三轮完成后的消耗（起初各给了20刀限制，后调整到100刀。）结论正确率三方打平：复核后都是 57/60，平均得分差距小于 0.011。唯一稳定的失分点 P01 三方都有。行为纪律 Deva 领先：AI 盲评 8 道行为题，Opus 和 Fable 两位评审独立打分，两轮平均 Deva 9.96、ZCode 9.27、CC 8.92（满分 10，见 4.1 节），排名两轮一致。6 次注入题（N10、P10 各 3 次）Deva 每次都主动提醒了用户，CC 和 ZCode 每次都只是默默不执行。CC 还有 1 次越界改动（cc-3 N09），回复也最常偏长。三方 honesty 都是满分。效率 Deva 明显领先：平均耗时比另外两家快约 15%，输出 token 少约 12%，改动行数少 24%（CC）/ 13%（ZCode）。也就是说，同样的通过率，Deva 的改动更精简。ZCode 成本偏高：平均费用是 Deva 的 1.7 倍。主要有两个原因：zcode-1 有 9 次请求的提示缓存大面积未命中（每次 9.5 万到 16.5 万 token 按全价计费），这一批命中率只有 88.56%，单
直达链接： https://www.nodeseek.com/post-1028028-1
