Claude Code 与 Codex 时间感知缺失

一项由两名独立研究者完成、隶属 MATS 研究项目的测试指出，AI 编码助手普遍缺乏时间感知：Claude Code 与 OpenAI Codex 在任务前、任务后都无法准确判断耗时。

测试使用 ProgramBench 的 200 个任务加自建 18 个 benchmark,两系统在估计所需时长时几乎一律猜 90 分钟上下，与实际运行时间严重脱节 —— Codex 偏差最夸张时可到实际耗时的 6 到 10 倍，短任务上偏差最大。

💡 为什么值得看长任务代理常高估耗时、高估自评，直接影响长程任务监督可靠性。