The Decoder· Jonathan Kemper·· 2 天前AI 评分58
阿里等团队发布 Co-Design Bench：编码智能体仅完整完成约四分之一任务
AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test
AI 导读
来自阿里巴巴和几所亚洲高校的研究者构建了编码智能体基准 Co-Design Bench，基于真实用户改动请求测试十个模型。表现最好的 GPT-6 Astra 平均满足约 70% 的任务要求，但仅 26.4% 的任务完全正确，Claude Opus 5 和 Qwen3.8-Max 紧随其后，Grok 4.6 垫底。
来源：The Decoder · the-decoder.com