热点事件观察中

阿里等发布 Co-Design Bench，最佳模型完全完成真实编码任务仅 26.4%

1 篇报道1 个报道来源2 天前更新

先了解这件事

AI 综述

阿里巴巴与多所亚洲大学研究人员发布 Co-Design Bench 基准，基于真实用户修改请求测试编码智能体。在测试的十个模型中，表现最佳的 GPT-6 Astra 平均满足约 70% 的任务要求，但完全正确的比例仅为 26.4%。研究发现，当任务涉及布局、设计、交互和内容等多种变更类型时，所有模型的性能均会下降，且运行环境（harness）对结果有显著影响。

AI 根据报道生成 · 2 天前更新

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
阿里等机构发布 Co-Design Bench 基准：AI 编码智能体在真实任务中仅约四分之一完全正确
阿里巴巴与多所亚洲大学的研究人员发布了 Co-Design Bench 基准，基于真实用户修改请求测试编码智能体。在测试的十个模型中，表现最佳的 GPT-6 Astra 平均满足约 70% 的任务要求，但完全正确的比例仅为 26.4%。研究发现，当任务涉及布局、设计、交互和内容等多种变更类型时，所有模型的性能均会下降，且运行环境（harness）对结果有显著影响。

本事件热度走势

可比范围当前: 4
可比范围峰值: 1011月8日 19:00
近 24 小时变化: -50%

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。