Surge 推出 sudo L7 基准：测试 AI 距离资深工程师还有多远，最佳智能体仅通过约 45% 任务

Surge 发布 sudo L7 新基准，用于衡量 AI 距离 staff 级软件工程师的水平——结论是"我们走了一半"。该基准含 60 个任务，多数来自真实公司的私有生产仓库，由真正负责过这些系统的工程师编写，评分维度涵盖功能正确性、工程手艺、架构判断、协作与冗余复杂度。表现最好的智能体仅能成功完成约 45% 的任务，coding agent 仍停留在 L3 水平。