Today for AI
返回热点榜
agent热度 11.9°

AI 聚合热点事件 · 2026/11/8

阿里等机构新基准：编程智能体仅约四分之一任务可全自动完成

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/8 17:50:59
全景综述与最新动态
1 家信源交叉印证

阿里及多所亚洲高校基于真实用户变更请求构建 Co-Design Bench，要求编程智能体改造现有 Web 应用并处理图像、音频、视频、文档等多模态输入。十个被测模型中表现最好的 GPT-6 Astra 平均仅满足约 70% 的需求，完全完成任务的比例约为四分之一，与旧基准近满分的结果形成鲜明反差。

最新动向/阿里及多所亚洲高校基于真实用户变更请求构建 Co-Design Bench，要求编程智能体改造现有 Web 应用并处理图像、音频、视频、文档等多模态输入。十个被测模型中表现最好的 GPT-6 Astra 平均仅满足约 70% 的需求，完全完成任务的比例约为四分之一，与旧基准近满分的结果形成鲜明反差。

逐小时热度走势

2 个完整观测小时
连续完整观测不足 3 个小时，暂不绘制趋势曲线。

报道时间线

共 1 篇 · 最新优先
  1. The DecoderT2·78 分

    阿里等机构新基准：编程智能体仅约四分之一任务可全自动完成

    原标题：AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test

    • Co-Design Bench 基于真实用户变更请求，任务为改造现有 Web 应用而非从零生成代码
    • 十个模型中最好的 GPT-6 Astra 平均满足约 70% 需求，完全完成率仅约四分之一
    • 任务输入包含图像、音频、视频与文档，考验智能体的多模态理解与工程落地能力