11月8日,据The Decoder报道,阿里巴巴推出编程代理基准测试Co-Design Bench,用真实用户在实践中的请求检验AI编程代理的能力。结果显示,表现最好的GPT-6 Astra仅完全解决26.4%的任务,接近四分之三的任务需要人工清理或补充;而在更早的基准测试中,这类代理的完成率明显更高。报道称,该测试的题目取自用户实际遇到、并曾让代理失败的需求,因而更接近企业部署场景。这一结果与近期多项研究结论一致:AI编程工具能显著提速,但距离“无人值守交付”仍有明显距离,人工复核仍是必要环节。

来源:全球资讯与公开媒体报道