Benchmark для оценки агентов ИИ на задачах редактирования кода

Платформа для тестирования кодовых агентов и систем на 226 детерминированных задачах редактирования файлов с побайтовой верификацией результатов. Проект включает публичный лидерборд для сравнения эффективности различных AI-инструментов.