Rails 发布 AI 编码评测套件，主打低 token 与高准确率

Ruby on Rails 团队发布了一篇以「Rails Is Built for AI」为主题的长文，核心主张是 Rails 的「约定优于配置」传统，使其天然适合 AI 编码 Agent：标准化的命名、目录、命令和模式让生成代码更贴近惯用写法，减少对提示词的依赖；Ruby/Rails 表达产品逻辑所用 token 更少，使 Agent 单次编辑更小、从需求到可用功能的迭代更快；数十年的公开 Rails 代码构成高质量训练语料，覆盖 controller、model、view、test、job、migration 等典型结构；再加上 Rails 自带完整产品技术栈，单人开发者配合 AI Agent 即可独立完成更大范围的工作。

跨模型 Rails 评测套件

文章同步上线了一个开源 Rails AI 评测套件（链接指向 Explore the open-source Rails AI evaluation suite），用于横向比较不同大模型在 Rails 编程任务上的表现。可视化页支持滑动对比所有模型指标，主要包括：

• 准确率（Accuracy）：越高越好，指通过隐藏测试的运行占比
• 单次运行平均 token 数（Mean tokens per run）：越低越好
• 单次运行耗时（Speed）：取中位数
• 单次运行成本（Cost）：取均值
• API 召回（API recall）：模型在运行中直接命中目标 Rails API 的比例

评测方法

每个模型对每项评测在 2026 年 8 月期间各跑 3 次，共 63 次/模型。评测使用各 provider 的默认设置；拒绝回答（refusals）记为失败；模型间几个百分点的差异属于运行间噪声。模型层中位数由运行层数据汇总，因此与逐项评测时序可能略有出入，点击任意模型或结果可查看底层评测明细。

来自 Rails 社区的背书

文章引用了多位知名 Rails 开发者的观点强化论点：David Heinemeier Hansson（@dhh）认为「约定优于配置为 20 多年的优质训练数据铺好了路，既让 Agent 表现优秀，也让人类能快速自信地审阅输出」；Marc Köhlbrugge（@marckohlbrugge）表示在 LLM 辅助编程早期就观察到 Rails 项目下输出质量明显更好，因为大多数 Rails 代码库结构相似且整体质量较高；Ivan Morgillo（@hamen）则把「贴近 Rails 默认值」称为 AI 时代的杀手级特性，认为能让开发速度提升约 100 倍。

一点说明

本次抽取的正文未包含评测表格中的具体模型名称与对应数字，因此文章传达的主张仍以方法论与社区证言为主，量化对比细节需访问原文中开源评测套件的可视化页面查看。