Benzi

GitHub：https://github.com/oooscoos/Benzi

演示：https://varianttech.net/demo

基准测试：https://varianttech.net/benchmark

粗略地说，当前 AI 编程智能体/调度框架的工作方式无非以下两种：

a) 跨多个文件拉取合适的代码文本片段，再交给智能体；或者

b) 解析代码生成高维嵌入向量，近似构建一份症状映射图，再交给智能体。

这两种做法都会让 token 数量飙升，拖慢实际耗时，加剧上下文漂移，还会让模型耗费大量思考 token 去摸索程序结构；更糟的是，当 Claude Code 执行上下文压缩时，模型会忘掉其中大部分内容；如果遇到多文件重构，所有行号都会偏移，必须重新 grep，这部分信息就彻底丢失了。

Benzi 从设计之初就致力于从源头上避免读取源代码。它通过工具调用为 AI 模型提供确定性智能。例如，当模型准备修改代码时，可以直接查询「哪些函数调用了当前函数？」——而这在很多时候甚至并不必要，因为 Benzi 编译器在编辑前后就已经把影响范围主动告知模型，并附带一份完整的静态分析检查结果。

在完成同样任务时，Benzi Sonnet 读取的源代码量（9,125 行）远少于 Claude Code Sonnet（20,704 行）、DeepSeek 的调度框架（43,598 行）以及 OpenCode（65K+ 行代码——因反复失败已被取消资格），而且速度更快、成本更低。（基准测试链接见评论区）

Benzi 设有清晰的"真值分层"，明确区分哪些内容可以由静态分析得出、哪些不能；在此基础上，再叠加一层运行时追踪器，以弥合二者之间的鸿沟（细节见 GitHub 的 FAQ）。

此外还附带多项额外特性，例如运行时追踪器、经过语法与语义校验的写入、具备上下文感知的模型自动复现脚本、任务过难时中途切换更高级模型等等，远不止于此。

目前已支持 Python · JavaScript · TypeScript · Java · C# · C++ · C · Go · Rust · Ruby，并能以确定性方式处理 HTML、CSS 与 JS。Claude Code 只会截图比对，Benzi 则能直接解析出 CSS 规则的最终胜出者。CodeIndex 与 Markup Engine 都经过了较为充分的测试；若出现异常，模型会第一时间得到通知。

基准测试方面，在 SWE-bench Verified 上达到 78.2%，每次修复成本不到 10 美分（使用 V4flash）。这一成绩值得关注：当业界其他厂商都在大举堆叠插件、不惜投入数百万美元去扩大上下文窗口时，Benzi 的路线或许能在经济性上更具优势，同时提升模型的代码编写与理解能力。

感谢阅读！欢迎告诉我你的看法。