RecodeX 重构消息，腾讯公布自研Agent评测基准WorkBuddy Bench结果，包含260道真实工作题，分代码、Web、办公与安全四类，并对7款模型采用两套测试框架进行对比。结果显示，Claude Code在17组对比中获胜，腾讯自家CodeBuddy仅赢得11组；代码类测试中Claude Code以7:0完胜。CodeBuddy在Web与办公类以4:3小胜，但安全类被Claude Code以4:3击败。目前该基准每类题目仅50至80道，社区质疑样本量有限，增加难题可能改变排名。