阿里等发布 Co-Design Bench：顶级编码 Agent 真实任务完成率仅 26.4%

阿里巴巴联合多所亚洲高校研究者发布 Co-Design Bench 编码智能体基准。该基准从 26,314 个真实编码会话中提取 273 个用户变更请求任务，要求智能体根据用户需求改造现有 web 应用，并用 2,331 条隐藏验收标准评分，还需通过 AI 评审与第二重验证。结果显示，最强模型的完整完成率仅为 26.4%，揭示顶级编码 Agent 在真实任务中的能力短板。

2026-11-12 ~ 2026-11-12 · 2 条相关

• Co-Design Bench:最强模型仅完整完成 26.4% 真实编码任务 — GaryMarcus · 2026-11-12
• 阿里等发布 Co-Design Bench:顶级编码 Agent 真实任务完整完成率仅 26.4% — krishnan · 2026-11-12