热点事件持续更新
阿里新基准：编码智能体仅约四分之一任务可完全达标
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年11月8日，The Decoder 报道，阿里巴巴与多所亚洲高校的研究人员构建了编码智能体评测基准 Co-Design Bench。该基准基于真实编码会话中用户提出的改动请求构建，以任务要求的满足程度衡量模型表现。在十个受测模型中，表现最佳的 GPT-6 Astra 也仅在 26.4% 的任务上完全达标，平均满足约 70% 的要求。报道据此指出，近四分之三的任务仍需人工收尾，多数任务目前无法由编码智能体完全独立完成。
AI 根据报道生成 · 2 小时前更新
最新进展11月8日 17:50
阿里与多所亚洲高校发布 Co-Design Bench，最佳模型 GPT-6 Astra 仅 26.4% 任务完全达标。报道时间线
沿着报道，了解事件的不同侧面。
11月8日
- The Decoder：AI News阿里与多所亚洲高校构建 Co-Design Bench，编码智能体近四分之三任务仍需人工收尾
阿里与多所亚洲高校的研究人员基于真实编码会话中的用户改动请求构建了 Co-Design Bench，十个受测模型中表现最佳的 GPT-6 Astra 也只在 26.4% 的任务上完全达标，平均满足约 70% 的要求，多数任务需人工收尾。
本事件热度走势
当前热度 9·可比范围峰值 10（11月8日 19:00）·近 24 小时可比范围变化 –
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。