原创 Co-Design Bench显示最强编码智能体整任务完成率仅26.4% 阿里巴巴联合五所高校发布Co-Design Bench，基于26314个真实编码会话提炼273道任务。GPT-6 Astra平均满足69.9%验收条件，但完整完成任务仅26.4%。报告指出局部达标与完整交付存在明显差距，测试覆盖多模态编辑与 AI基准 编码智能体 多模态任务 3小时前 71
