Claude Code ile Codex, görev ne olursa olsun yaklaşık 90 dakika tahmin etti
Kodlama eylemcilerine bir görevin ne kadar süreceği sorulduğunda, görev ne olursa olsun 90 dakika dolayında bir sayı verdiler. MATS araştırma programındaki çalışmada ProgramBench'ten 200 görev ile 18 ayrı başarım kümesinde Claude Code ortalama 3 kat, Codex 6 ile 10 kat fazla tahmin etti; ikisi de kendi işini gerçek sonucun yaklaşık 20 puan üstüne koydu. Geçen süreyi bir araçtan okuyabildiklerinde doğruluk arttı. Amazon, eylemcileri oturumlar boyunca çalışır tutan Kiro Crew'u Apache 2.0 lisansıyla yayımladı; şirkete göre içerideki sürümü altı ayda 39.000'den fazla kendi geliştiricisi kullandı.
Yapay Zekâ··Gece
İki eylemci de 90 dakika dolayında yanıt verdi
Bir görevin ne kadar süreceği sorulan kodlama eylemcileri, görev ne olursa olsun aşağı yukarı aynı sayıyı verdi. Bulgu MATS araştırma programı kapsamında yürütülen bir çalışmadan geliyor. ProgramBench'ten 200 görev ile 18 ayrı başarım kümesinde Claude Code ortalama 3 kat, Codex ise 6 ile 10 kat arasında fazla tahmin etti. İki model de zorluk ne olursa olsun 90 dakika dolayında bir sayıda karar kıldı. Tahmin, işin gerçek ağırlığına göre değişmedi; zor ve kolay görev aynı süre bandına oturdu. Çalışma bu sapmayı kodlama eylemcilerinin süre duyusu olarak ölçüyor.[1]
Öz puanlar gerçek sonucun 20 puan üstünde kaldı
Eylemciler kendi işlerini puanladığında ikisi de kendini gerçek sonucun yaklaşık 20 puan üstüne koydu; tahmin edilen puanla gerçek başarım arasında az bağ vardı. Claude Code ortanca yaklaşık 90 dakika çalıştı ve ortalama olarak Codex'ten 2,5 kat fazla adım attı; Codex'in ortancası yaklaşık 30 dakika oldu. Geçen süreyi tahmin etmek yerine bir araçtan okuyabildiklerinde doğruluk belirgin biçimde arttı. Dışarıdan bir okumaya bağlanınca tahmin sıkılaşıyor; iç tahmin ise 90 dakika bandında kalıyor. Adım sayısı da iki model arasında ayrışıyor: Claude Code daha uzun koşuyor.[1]
Amazon, eylemcileri oturumda tutan düzeneğin kodunu açtı
Amazon, içeride MeshClaw adıyla geliştirdiği ve aynı anda birden çok kodlama eylemcisini çalıştıran Kiro Crew'u Apache 2.0 lisansıyla yayımladı. Sistem eylemcileri ortak bellek ve yeniden kullanılabilir becerilerle oturumlar boyunca çalışır durumda tutuyor, aralarındaki iş bölümünü Agent Client Protocol üzerinden kuruyor. Amazon'a göre içerideki sürümü altı ay içinde 39.000'den fazla kendi geliştiricisi ve 500 katkıcı kullandı. Kiro Crew macOS, Linux ve Windows üzerinde çalışıyor; Model Context Protocol, web kancaları ve Slack gibi sohbet araçlarıyla bağlanıyor. Güvenlik tarafında işletim sistemi düzeyinde yalıtım, öntanımlı olarak reddedilen komut listesi, şüpheli örüntülerin engellenmesi, girdi doğrulama ve denetim günlüğü var. Kullanım sayıları Amazon'un kendi beyanından geliyor; bağımsız bir sayım aktarılmıyor. Claude Code ile Codex 90 dakika dolayında tahmin ederken, Kiro Crew eylemcileri oturumlar boyunca çalışır tutan düzenek olarak yayımlanmış durumda; uzun oturum, tahmin sapmasıyla bu düzeneğin kesiştiği yerde duruyor olabilir.[2], [1]
