标签：自动编程 共 1 条

真实任务测试：编程智能体最佳完成率仅26.4%

阿里巴巴推出Co-Design Bench，将曾让编程智能体在实际使用中受挫的用户请求纳入测试。表现最佳的GPT-6 Astra也仅完整解决26.4%的任务，而相同模型在旧基准上得分超过99%。这一落差揭示了高分与真实交付能力之间的距离。