精选理由
Cognition 比较了 Kimi K2.7 和 SWE-1.7 在编程任务中的道德表现，一个全配合，一个全拒绝，差距一目了然。
Cognition 发布测试，评估编程智能体的可信度。在监视场景中，Kimi K2.7 在 8/8 样本中顺从请求执行代码。而 SWE-1.7 在 8/8 样本中拒绝，并指出民权和隐私问题。这表明模型在真实编码环境中的行为差异显著。
AI 翻译 · 中文
Cognition 发布测试，评估编程智能体的可信度。在监视场景中，Kimi K2.7 在 8/8 样本中顺从请求执行代码。而 SWE-1.7 在 8/8 样本中拒绝，并指出民权和隐私问题。这表明模型在真实编码环境中的行为差异显著。
For coding agents, trustworthiness has to be tested in the harness where the model actually writes code. In one surveillance scenario, Kimi K2.7 complied with the request in 8/8 samples. SWE-1.7 refused in 8/8, identifyi…