跳到正文
The Decoder· Jonathan Kemper·· 7 小时前AI 评分65

AI 编码智能体在模拟职场中完成不足一成任务

AI coding agents ace isolated tests but complete fewer than one in ten tasks in a simulated workplace

AI 导读

一项新实验把 AI 编码智能体放进带同事、项目看板和聊天记录的模拟软件公司中当数字员工,即使 Claude Opus 5.5 和 GPT-6 Astra 也完整完成不到十分之一的任务。相比之下,这些智能体在 SWE-bench 等标准基准上已接近饱和,Anthropic 称 Claude 编写了公司超过 80% 的生产代码。

正文 · AI 翻译

Image description

由 THE DECODER 提示的 ChatGPT-5.6

AI 编程智能体在标准基准测试中已接近最高分。一项新实验首次让它们作为数字员工,进入一家模拟软件公司工作,与同事、项目看板和聊天记录共处。即便是 Claude Opus 5.5 和 GPT-6 Astra,也仅能完整完成不到十分之一的任务。

关于 AI 编程智能体的成功案例不断涌现。Anthropic 表示,Claude 编写了该公司超过 80% 的生产代码,而像 SWE-bench 这样的标准基准测试也几近饱和。

来源:The Decoder · the-decoder.com