跳到正文
热点事件持续更新

AI编码代理模拟公司测试完成不足一成任务

2 篇报道2 个报道来源7 小时前更新

先了解这件事

AI 综述

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充当数字员工,结果显示即使 Claude Opus 5.5 和 GPT-6 Astra 也完整完成不到十分之一的任务。 这与它们在 SWE-bench 等标准基准上接近饱和的表现形成反差。Anthropic 称 Claude 编写了公司超过 80% 的生产代码。

AI 根据报道生成 · 6 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月22日
  1. The Decoder
    AI 编码智能体在模拟职场中完成不足一成任务

    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。

  2. RadarAI
    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

    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。

本事件热度走势

可比范围当前
17
可比范围峰值
1911月23日 01:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。