The Decoder· Jonathan Kemper·· 2 天前AI 评分65
阿里等团队发布 Co-Design Bench：最强编码智能体仅完整完成 26.4% 任务
AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test
AI 导读
阿里巴巴与多所亚洲高校的研究者构建了基于真实用户改码请求的编码智能体基准 Co-Design Bench，十款受测模型中表现最好的 GPT-6 Astra 平均满足约 70% 的任务要求，但仅 26.4% 的任务被完整正确完成。
来源：The Decoder · the-decoder.com