74,2 prosent på Terminal Benchmark 2.0 med Claude Opus 4.7. Det er tallet Cline-teamet publiserte for sin nye CLI denne uken, mot Anthropics rapporterte 69,4 prosent for Claude Code på samme modell. På Opus 4.6 ligger Cline på 71,9 prosent, Claude Code på 65,4. På open-weight-modellen kimi-k2.6 scorer Cline 55,1 prosent, OpenCode 37,1 og Pi-Code 45,5. Alle målt av Cline-teamet selv med pass@1 per 8. mai.
Det som er nytt er ikke bare benchmarken, men hvordan koden er strukturert. Cline har trukket den interne agent-loopen ut av VS Code-utvidelsen og pakket den som en TypeScript-SDK med fire lag: @cline/shared (typer), @cline/llms (provider-gateway), @cline/agents (stateless loop som kjører i nettleser), og @cline/core (Node-runtime med sesjoner, lagring, MCP og verktøy). @cline/sdk re-eksporterer @cline/core, men hvert lag kan installeres alene.
«Provider-byttet er en konfigurasjonsendring, ikke en kodeendring.» — MarkTechPost, om @cline/llms-laget som dekker Anthropic, OpenAI, Google, AWS Bedrock, Mistral og OpenAI-kompatible endepunkter som vLLM og Together
Den praktiske konsekvensen for deg som bygger egne agenter: du slipper å vedlikeholde din egen tool-orchestrering, MCP-binding og sessions-håndtering hvis du vil ha samme runtime som driver Cline-produktene. Subagenter, CRON-planlagte kjøringer, checkpointing og webhook-tilkoblinger ligger innebygd. Installasjon er npm install @cline/sdk og krever Node.js 22+.
Ulempen er at du knytter deg til Clines abstraksjoner. Plugin-systemet lar deg utvide tool-settet og lytte på lifecycle-eventer, men hvis Cline endrer kontraktene må du oppdatere. Til gjengjeld er hele SDK-en Apache 2.0, så du kan fork-e hvis veivalg går feil retning.
Hva bør du gjøre?
- Test @cline/agents alene i et serverless- eller nettleser-prosjekt. Laget er stateless og uten Node-avhengigheter.
- Sjekk dokumentasjonen på docs.cline.bot/sdk for plugin-manifestet
cline.plugins, særlig hvis du vil pakke rules eller verktøy for gjenbruk. - Sammenlign tbench.ai-tallene med din egen oppgavetype før du bytter. Terminal-benchmark fanger ikke alt en agent gjør i praksis.