尚无人真正测量过哪个 Copilot 模型最好

文章批评当前关于 GitHub Copilot 各语言最佳模型的排名大多不是测量结果，而是使用一周后的主观印象，或是在不同系统提示、不同工具权限、缺少仓库上下文的情况下对底层模型做的基准测试。作者强调 Copilot 并非模型的薄封装，它会自行组装上下文（打开文件、相关文件、指令文件、仓库索引），因此原始模型基准测的是与用户实际使用不同的系统，其分数是否与真实体验相关尚无公开研究证实。

AI推荐理由 文章指出目前关于 GitHub Copilot 各模型优劣的排名多为主观印象或在不同 harness 下测得的原始模型基准，而 Copilot 自身会组装上下文（打开文件、相关文件、指令文件、仓库索引），因此原始模型基准测的是另一个系统；作者称尚无人发布能说明两者相关性的工作。这是对评测方法局限的具体批评，但正文片段未给出实测数据或结论，属观点性分析。