币界网消息，腾讯自建了一套Agent基准workbuddy bench，测试其自家CodeBuddy和Claude Code的表现。260道真实工作题分为代码、web、办公和安全四类，7个模型各用两套harness进行测试。结果显示，Claude Code赢得了17组对比，而CodeBuddy仅赢得11组，代码类测试中Claude Code完全胜出，成绩为7:0。虽然CodeBuddy在web和办公类中小胜4:3，但在安全类中则被Claude Code以4:3拿下。腾讯的榜单也存在软肋，每类题目仅有50到80道，社区对此提出质疑，认为增加难题可能会改变排名。