عندما تصبح evals للنماذج مشبعة ، ستصبح "evals" للوكلاء الحدود التالية لما يهم سيكون من الصعب شراؤها أيضا لأنها محددة جدا / قائمة على المهام هل ديفين أفضل من Amp في إعادة بناء التعليمات البرمجية؟ هل Codex أفضل من Claude Code لتصحيح الأخطاء؟