The Decoder· Jonathan Kemper·· 2 小时前AI 评分58
阿里等团队发布 Co-Design Bench：最强模型仅完整完成 26.4% 编码任务
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编码智能体基准 Co-Design Bench，用真实用户改动请求测试十款模型，表现最好的 GPT-6 Astra 平均满足约 70% 的需求，但仅 26.4% 的任务被完整做对。
来源：The Decoder · the-decoder.com