RecodeX 重构消息，南京大学与UIUC研究人员对Codex、Claude Code和Kimi Code三种编程智能体开展大规模配对实验，覆盖354个软件工程任务、2124次执行，记录约112亿Token，按标准API价格计约合20780美元。
结果显示，动态并发在长周期任务中偶有收益：LoopsBench上Claude Code完成率从7.1%升至21.4%，NL2Repo上Codex从34.6%升至57.7%；但同样在NL2Repo，Kimi Code从57.7%降至46.2%。短周期任务SWE-bench Verified上，Claude Code完成率由83.0%降至59.0%，Kimi Code由77.0%降至59.0%。
并发模式Token消耗为顺序模式的1.41至3.31倍，15组组合中14组平均运行时间反而增加。轨迹分析归纳出4大类、13个子类别、28种并发失败模式。