核心信息

Command Code在Composio面向DeepSeek等开源模型的基准测试中表现最佳：完成30项任务中的18项，平均每项耗时375秒，速度最快，并击败了DeepSeek自家框架。Composio另一项针对GPT-6 Astra的6种智能体框架、29项任务对比显示，多数框架成功率相近，但失败时Token消耗可能增加3–5倍。

要点

  • 开源模型上准确率最高：Command Code解决18/30任务，排名第一。
  • 执行速度最快：平均每项任务375秒，优于其他框架。
  • 超越DeepSeek原生框架：基准结果好于DeepSeek自己的harness。
  • Token效率成关键：在Composio更广对比中，框架失败时的Token消耗可能高出3–5倍。