実証研究が明らかにするコーディングエージェントの主要な設計選択
読む理由 自律型コーディングエージェントを開発する開発者は、モデルの強みに基づいてコンテキスト管理とアクションスペースを調整することで、効率性と精度を最適化できる。
コーディングハープスの研究により、コンテキスト管理とアクションスペースの設計がパフォーマンスとコストに大きな影響を与えることが示された。
タグ · #swe-bench
ExecCritic: テストと修復エージェントを分離してコーディング性能を向上させる
読む理由 テスト生成とコード修復を分離することで、エラーの一致や過信を防ぎ、エージェントの信頼性を大幅に向上させる。
ExecCriticは、SWE-bench Verifiedにおけるコーディングエージェントの成功率を向上させるため、テスト生成とコード修復の役割を分離したエージェントを強化学習で活用する。
xAI、Grok Build CLI を出荷：8 個のサブエージェント並列、SWE-Bench 70.8%、$99 イントロ価格
読む理由 注目すべきはベンチマークスコアではなく「8 サブエージェント並列」という構造的選択。これが定着すれば、コストモデルは「タスクあたりトークン」から「分あたりタスク」へ反転 —— Claude Code/Codex のチームは精度ではなくスループットで再評価。
5/14 パブリックベータ。SWE-Bench 70.8%、256K context、$0.20/$1.50 per 1M tokens、$99 イントロ。8 サブエージェント並列で四つ巴に。