AI21测试多模型编码智能体：开放模型先探索，前沿模型一次生成补丁

AI21 Labs于2026年7月15日发布技术文章，介绍一套面向软件修复任务的多模型编码智能体架构。公司称，该系统在SWE-Bench Pro基准上取得80.8%的解决率，每项任务成本为5.99美元。

这套架构把代码探索、上下文整理和补丁生成分配给不同模型。首先，开放模型MiniMax-M3以多个并行任务在代码库中搜索、尝试修复并运行测试；随后，GPT-5.2根据这些候选结果提取相关函数、调用关系和测试代码；最后，Opus 4.8或Fable 5读取整理后的上下文，一次生成最终补丁。

AI21采用标准编码智能体测试流程：智能体接收自然语言问题，在包含目标代码库的Docker容器中使用终端命令工作，并提交由隐藏测试评分的Git补丁。文章称，MiniMax-M3单独运行一次时可解决完整公开SWE-Bench Pro任务集中的57%，多模型编排则进一步提高了解决率。

为评估最终模型获得的上下文是否覆盖关键代码，团队把汇总内容与基准任务的标准补丁进行比较。在731项公开任务的平均结果中，并行尝试加GPT-5.2上下文提取覆盖了约90%的删除或修改行，以及约71%的新增行。前一指标用于衡量系统是否找到需要修改的位置，后一指标反映候选方案对正确修复内容的覆盖程度。

成本分析显示，采用Fable 5完成最终生成时，整套流程平均每项任务花费5.99美元，其中前沿模型消耗约25%的预算。文章引用Fireworks AI的数据称，Opus 4.8独立完成同类任务的成本为18.28美元；AI21据此认为，把高成本模型集中用于最终写入环节，可以减少其承担的大规模代码探索工作。

这一结果体现的工程思路，是让开放模型承担高令牌消耗的并行搜索，把先前尝试形成的代码线索交给更强模型整理，再将经过筛选的上下文提供给最终生成模型。AI21还提出，先尝试解决问题、再围绕候选补丁提取差异化上下文，有助于让最终生成阶段更聚焦。

这是一项由AI21公布的基准测试结果，官方文章未提供生产环境部署、客户采用或商业收益数据。其当前意义主要在于展示一种编码智能体资源配置方案：模型能力不必贯穿所有步骤平均使用，而可按照探索、提取和生成环节分别配置。