Agent工具综合能力如何进行判断？🌐 链接:

现在基本每家都有自己的agent或者Harness，目前用过的有以下几个，主力是codex，但是用过国产的几个，感觉交互做的比较丰富些，知道他在一步步做些什么，而且不知道是不是用中转站问题，codex经常会重连中断任务，想问下佬们，codex在这类工具中是属于领先地位吗？值得为了他忽视些小毛病不，假设让每种工具都安排上最适配他的模型，有没有测评综合能力的方法，谁是目前相对比较优秀的agent。