JetBrains研究团队提出一种超越“解决率”的编码智能体评估方法，从结果、效率、补丁质量和过程四个维度分析模型轨迹。对比Claude Opus 4.7和Gemini 3.5 Flash发现，两者解决率相近但行为差异显著：Opus诊断强但验证不足，Gemini验证好但易冗余和幻觉。该框架旨在构建模型画像，优化模型选择与智能体设计。