Show HN: Parsimony – AIモデルが追加するコード量を測るオープンソースベンチマーク

既存のベンチマークは、解決率やトークン出力/コストを測定しますが、コードの過剰さを罰しません。これは長期的にコードベースの扱いにくさを増大させます。私は、長期プロジェクトで最も重要となるこの点を測定したいと考えました。 手法: 既存のベンチマーク（DeepSWE, SWE-bench Verified, SWE-bench Live）が公開しているパッチを取得し、「コーディングユニット」をカウントします。これは、ステートメント、コール、名前、リテラルなどの構文要素です。行数を使用しないため、コードを詰め込むことは評価されません。削除されたコードは差し引かれるため、純粋なユニット数を測定します。 GPT-6とClaude 5.5はまだ公開パッチがないため、私は自身のサブスクリプションで3〜10個のタスクに対して自分で実行しました（ランク付けされておらず、薄い円で示されています）。 フィードバックやモデルの貢献を歓迎します。特に、新しいモデルの公開パッチのエクスポートを求めています。 GitHub: https://github.com/La5u/Parsimony どのベンチマークとも提携していません。