热点事件持续更新

阿里与高校团队发布编码智能体基准 Co-Design Bench

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

阿里与多所亚洲高校研究者发布编码智能体基准 Co-Design Bench，测试十个模型后显示：表现最好的 GPT-6 Astra 平均满足约 70% 任务要求，但完全正确率仅 26.4%，编码智能体在真实改需求任务上仍普遍需要人工收尾。该基准基于真实用户变更请求构建，要求智能体改造已有网页应用，输入可能包含图片、录音、视频或文档。多模态任务完全解决率为 41%，仓库任务不足 18%；Claude Opus 5 和 Qwen3.8-Max 紧随其后，Grok 4.6 垫底。该基准每个任务只评测一个固定请求，不包含用户追问或任务中途修改。

AI 根据报道生成 · 8 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8日

17:50
The Decoder
Co-Design Bench 基准测试显示编码智能体近四分之三任务仍需人工收尾
阿里与多所亚洲高校研究者发布编码智能体基准 Co-Design Bench，基于真实用户改需求构建任务，测试十个模型。最佳模型 GPT-6 Astra 平均满足约 70% 任务要求，但完全正确率仅 26.4%，多模态任务完全解决率 41%、仓库任务不足 18%；Claude Opus 5 和 Qwen3.8-Max 紧随其后，Grok 4.6 垫底。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1011月8日 19:00
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。