# Epoch AI 和 METR 搞了个新基准 MirrorCode，看 AI 能不能独立重写一整个软件项目

> 原标题：What's the largest software project AI can complete on its own?

- 来源：Hacker News 首页
- 发布时间：2026-08-03T16:16:40.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/48472
- 原文：https://epoch.ai/MirrorCode

## 摘要

MirrorCode 让 AI 不看源码，从零复刻 25 个完整程序，要求输出和原版在端到端测试里完全一致。任务覆盖了 Unix 工具、数据序列化、生物信息、解释器、静态分析、加密和压缩。和现有基准最大的区别是，它给了真实的推理预算：最贵的一次跑了 2600 美元，AI 连续干了 19 天没人插手。

## 推荐理由

Epoch AI 和 METR 推出 MirrorCode 基准，让 AI 不看源码从零复刻 25 个完整程序，并以最贵 2600 美元、连续 19 天的真实推理预算测试其独立完成软件项目的边界。

## 锐评

2600 美元、19 天没人插手，这两个数比那 25 个程序本身更值得看。以前的 benchmark 都掐着 token 预算跑，模型刚热身就交卷，测出来的是短跑成绩。MirrorCode 给足预算，一口气干 19 天，端到端测试又骗不了人，输出对不上就是零分，这个上限我信。上限高不代表能进生产，19 天烧 2600 美元复刻一个程序，这账目前只有研究机构算得过来。成功率材料里没给，现在只看到天花板，看不到地板。
