外部精选
ai-models
#海外 AI 资讯#AI research#Artificial Intelligence#AI and coding#Coding阿里新基准测试：AI编程智能体仅完全解决26.4%真实任务
来源标题：AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test
阿里巴巴推出新基准 Co-Design Bench，用真实用户请求测试编程智能体，表现最好的 GPT-6 Astra 也仅完全解决 26.4% 的任务。这些模型在旧基准上的得分超过 99%，说明真实场景下 AI 编程仍需人工收尾近四分之三的工作。
The DecoderJonathan Kemper2026/11/8 · 6 天前1 分钟阅读
这个来源的 RSS 只提供摘要，下面是原文导语；完整论述请点「打开原文」。
阿里巴巴新推出的编码智能体基准测试 Co-Design Bench，用真实用户请求来测试 AI 智能体，而这些请求在实际使用中已经让它们栽过跟头。即便是表现最好的 GPT-6 Astra，也仅能完全解决 26.4% 的任务。而在旧版基准测试中，同样的模型得分超过 99%。
《AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test》一文首发于 The Decoder。
本条为导读摘要，完整论述请以原文为准。