Aetox 1.10.31 对照评测：同一模型换执行框架，结果为何不同

Aetox 作者固定模型、公开任务与隐藏测试，对比不同 Agent 运行框架，发现结果差异来自上下文组织、工具调用和记忆机制。Aetox 1.10.31 在安全测试中表现优异，但编码任务略逊。评测还揭示默认安全技能对 CWEval 成绩有贡献。