热点事件持续更新

阿里等团队发布编码智能体基准Co-Design Bench

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

阿里巴巴与多所亚洲高校的研究者发布编码智能体基准 Co-Design Bench，用真实用户变更请求测试编码智能体。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。测试还发现，同一模型在不同运行环境中的得分差异明显：Qwen3.8-27B 在大规模改造任务上分别为 75% 和 56%。作者据此建议排行榜同时报告模型与工作环境。该基准每个任务只评估一条固定请求，不包含用户的追问或中途修正；报道同时指出，AI 评审本身也可能出错。

AI 根据报道生成 · 6 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 · AI
阿里等机构发布 Co-Design Bench：编码智能体仅完整完成约四分之一真实任务
阿里巴巴与多所亚洲高校的研究者构建了基于真实用户变更请求的编码智能体基准 Co-Design Bench，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。测试还发现，同一模型在不同运行环境中得分差异明显，Qwen3.8-27B 在大规模改造任务上分别为 75% 和 56%，作者建议排行榜同时报告模型与工作环境。

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。