跳到正文
原文
The Decoder· Jonathan Kemper·· 10 天前

Co-Design Bench基准显示AI编码智能体近四分之三任务需人工清理,顶尖模型完全正确率仅26.4%

AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test

SI 导读

Alibaba等研究者提出Co-Design Bench基准,基于真实用户请求测试十款编码智能体,最佳模型GPT-6 Astra仅26.4%任务完全正确,近四分之三需人工清理。相较旧基准近满分,新基准暴露模型在交织需求与不同运行环境下的表现落差,建议模型与环境成对评估。

SI 评分60

来源:The Decoder · the-decoder.com

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有