Supabase 推出 Evals 基准，实测 AI 编码代理

Supabase 发布了名为 Evals 的基准测试，用于评估 AI 编码代理在 Supabase 平台上的真实任务完成能力。该基准会运行 Claude Code、Codex 和 Open Code 等代理，并对其结果进行打分。Paul Graham 对此表示赞赏，认为未来所有面向代理的服务都应采用类似机制。