AI 能否独立搞定大型软件项目？

What's the largest software project AI can complete on its own?

MirrorCode 是 Epoch AI 与 METR 联合推出的新基准，旨在测试 AI 在长周期编程任务中的真实能力。不同于以往仅关注修 bug 或实现小功能的测试，MirrorCode 要求 AI 在无法访问原始代码的情况下，从头到尾完整重写整个程序，且输出必须与原版完全一致。该基准涵盖了 Unix 工具、生物信息学、加密等 25 个领域的复杂项目。实验显示，Claude Opus 4.7 仅用 14 小时就重写了包含约 1.6 万行代码的 gotree 工具，而人类工程师独立完成可能需要数周。尽管存在数据污染的风险，但结果显示 AI 已具备处理此类高难度、长周期软件工程任务的潜力，且该基准已开源供社区验证。