AI圈报论文研究普通
Co-Design Bench 测试显示编码智能体仅在约四分之一任务上完全达标
原始标题：AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test
内容摘要
阿里与多所亚洲高校的研究者基于真实编码会话中的用户修改请求构建了 Co-Design Bench，要求智能体改造现有 Web 应用，输入含图片、音频、视频等。十个受测模型中最好的 GPT-6 Astra 平均满足约 70% 的任务要求，但仅 26.4% 的任务完全正确，Claude Opus 5 与 Qwen3.8-Max 分列其后，Grok 4.6 垫底。
内容分类AI 论文与研究
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源The Decoder：AI News（RSS）
站内情报编号intel-c3d2a1c397fa481cf715da50