基于最近做试玩广告 ，整理了一组相对简单的测试集。
然后对热门harness 进行了测试 模型 统一使用GLM 5.2 FP8
cc还是强 cursor cli拉完了
1赞
意思是opencode最好吗？ 我一直在用trae IDE做cocos creator 3.8项目，简单的做了5，6个了，也都满足了。 
我自己日常用cursor. 我也很惊讶。。。。
你也用这个吗，怎么收费的
我用会员。。。。感觉额度还是够的。
cursor我已经用了快2年了，首先个人用的话20美金是肯定够的，其次就是cursor目前用MCP处理cocos编辑器还是太慢了，而且一旦需求复杂了就会超时，我昨晚跑一个MCP任务跑了30分钟，直接给我挂起了，最后还是得自己来，不过没办法，我不想折腾cc了，cursor目前还是国区最友善得AI工具了，我感觉比codex还要友善，codex偶尔也锁ip，慢的要死
你用的啥mcp啊？ 我是让cursor自己写的mcp… 基本上cocos可以实现完全不操作 ide了
我2.x和3.x用的MCP不一样，昨晚跑的是2.x的，是论坛开源那个，不过我感觉不是MCP的问题
我试试 正在增加测试 evox 和deepseeek harness
评测的是试玩场景，不是完整游戏开发场景是吧？
微小的试玩吗
是的 都是一些简单IDE操作。
不过之前的数据可能不太准 正在重跑
要不要让pink加入斗蛐蛐？
PinK 目前没有现成的cli接口，不好接入进去。 用COCOS cli 就行。
后面可能会单独开PinK cli ，到时候一起斗蛐蛐
1赞
测试集能开源一下吗，我也来试试自己的harness
是的，统一一个测试集才能对比，发现问题才能不断改进进步。测试集最好能有不同难度层次，尽量覆盖更多场景的题目 
我琢磨一下这个事怎么弄比较好落地