阿里等团队发布Co-Design Bench编码智能体基准

阿里巴巴与多所亚洲高校的研究者构建了 Co-Design Bench，用真实用户改动请求测试编码智能体。在十款受测模型中，表现最好的 GPT-6 Astra 平均满足约 70% 的任务要求，但仅 26.4% 的任务被完全做对。 该基准以真实用户提出的改动请求为测试任务，衡量编码智能体能否完整完成实际需求，而非只满足部分要求。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。