RadarAI· The Decoder:AI News(RSS)·· 7 小时前AI 评分71
新实验:AI 编码智能体在模拟软件公司中完成不到十分之一的任务
AI 导读
一项新实验让 AI 编码智能体在包含同事、项目看板和聊天记录的模拟软件公司中作为数字员工工作,结果显示即使 Claude Opus 5.5 和 GPT-6 Astra 也只完整完成不到十分之一的任务。实验同时指出,SWE-bench 等标准基准已接近饱和,而 Anthropic 称 Claude 已编写该公司超过 80% 的生产代码。
正文 · AI 翻译
The Decoder:AI 新闻· Jonathan Kemper·2026-11-22 23:15· 57 分钟前AI 评分63
AI 编码智能体在孤立测试中表现出色,但在模拟工作场所中完成的任务不到十分之一
AI 导读
一项新实验首次让 AI 编码智能体在模拟软件公司中作为数字员工工作,环境包含同事、项目看板和聊天记录。结果显示即使 Claude Opus 5.5 和 GPT-6 Astra 也只完整完成不到十分之一的任务,而 SWE-bench 等标准基准已接近饱和。
正文 · 原文

ChatGPT-5.6 由 THE DECODER 提示
AI 编码智能体在标准基准上正接近满分。一项新实验首次让它们在模拟软件公司中作为数字员工工作,环境包含同事、项目看板和聊天记录。即使 Claude Opus 5.5 和 GPT-6 Astra 也只完整完成不到十分之一的任务。
关于 AI 编码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 SWE-bench 等标准基准已接近饱和。
来源:The Decoder:AI 新闻 · the-decoder.com
来源:RadarAI · aihot.news