因为它们测的都是最舒服的场景：新项目、干净需求、清晰文件、没有历史包袱、没有权限系统、没有测试债、没有奇怪的配置、没有线上事故压力。这种测法，Cursor 很强，Claude Code 很强，Codex 很强，Trae 也很强，Copilot 也能说自己很有用。 先说一个不太讨喜的 ...