CodeScene 发布案例研究称，一个编码智能体在三周内重构了约 30 万行 C 代码，token 成本约 4000 美元，共产生 2903 次提交、覆盖 726 个文件、修改 252055 行代码，并把该代码库的 Code Health 评分从 5.6 提升到 10.0。该代码库来自《街头霸王 III：三度冲击》的开源反编译项目，智能体依靠 CodeHealth MCP Server 提供的确定性评分，以及逐帧比对回滚状态哈希的回放轨迹测试框架来保障质量，并在过程中自建了包含 22 个方案和 82 条说明的重构手册。CodeScene 创始人 Adam Tornhill 称这是他首次见到所谓大规模超人类 AI 表现，团队主要使用 Claude Opus 与 Claude Code，并称其在识别和记录逐渐成形的模式上优于搭配 Sol 的 Codex。从业者对结果解读分歧明显：支持者认为逐帧回放的标准远高于“测试通过”，质疑者则关注适用范围、改动是否合并、帧率与内存等非功能指标未测量，以及 Claude Code 与 Codex 各自针对自家模型调优可能带来的偏差。团队下一步将与隆德大学合作，让学生在 5.6 与 10.0 两个功能等价版本上实现功能并比较成本与质量；CodeScene 预计缺陷减少约 70%、token 浪费减少约 45%，但这两个数字来自其早期研究的推算，并非本次实测。