run-0182.0
- 墙钟
- 7:01
- Token
- 1.27M
- tool calls
- 23
- Operator
- 0
- 需求审批
- —
- Review / 修复
- 0 / 0
- 状态
- completed
- 首次 mutation
- +2:15
Without · EXPERIMENT DETAIL
Without · 原生直接执行
公开目标明确，但隐藏规格没有被强制转成设计清单时，原生 Codex 会怎么做？
01 / 结果快照
盲评分81.67
tool calls / 条32.7
dedup token / 条2.08M
墙钟 / 条8:36
证据：三条 run 平均 32.7 次 tool calls、2.08M dedup token、81.67 分；requirements / plan 阶段没有独立 gate，root lane 占主导。
边界：没有 operator 澄清和独立 review，不等于没有测试；focused-test 日志存在且通过，但它不能覆盖全部 hidden contract。
02 / 作业路径
这个条件具体要求候选做什么？
- 01读取仓库与现有实现
- 02直接修改 product code / tests
- 03运行 focused Go tests
- 04根据失败继续调试或收尾
03 / 阶段与 actor
时间 / token 的主要落点
测试 / 调试37.0%
协调24.0%
探索20.2%
实现9.5%
Review5.1%
完成4.3%
阶段是可见动作分类器的派生标签。Full 页面中的 coordinate 具体包括 spawn_agent、wait_agent、followup_task、send_message、worktree / approval / guardian 等过程动作，不等同于“模型在思考”。
04 / 本组 run
每条轨迹的真实状态
run-0482.5
- 墙钟
- 12:12
- Token
- 3.94M
- tool calls
- 54
- Operator
- 0
- 需求审批
- —
- Review / 修复
- 0 / 0
- 状态
- completed
- 首次 mutation
- +2:03
run-0580.5
- 墙钟
- 6:36
- Token
- 1.02M
- tool calls
- 21
- Operator
- 0
- 需求审批
- —
- Review / 修复
- 0 / 0
- 状态
- completed
- 首次 mutation
- +1:49
05 / 回到问题
把本组放回五组比较
这张子页解释“这条方法怎么走”；首页的三个研究问题再回答质量—成本、需求 / review 阶梯和 token 归因。
返回首页三问 →