#Singularity-Bench

这个基准让智能体从零写训练、推理、编排系统，再和人类基线硬碰硬。结果挺扎眼：Opus 5.5 配 Claude Code 六项全过人类线，其他智能体平均只有 0.58。做 agent 评测或基础设施的工程师都该看看。