阿里等团队发布Co-Design Bench编码智能体基准

2026年11月8日，The Decoder报道，阿里巴巴与多所亚洲高校的研究者构建了Co-Design Bench，用于测试编码智能体。该基准以真实用户变更请求为测试任务，覆盖十款模型。报道称，表现最好的GPT-6 Astra平均满足约70%的任务要求，但仅26.4%的任务被完整正确完成，即最强编码智能体也只完整完成约四分之一的真实任务。报道未披露基准的具体任务数量、评测时间范围及模型完整名单。目前该基准已对外发布，后续进展尚待跟进报道。

AI 根据报道生成 · 39 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。