Le nouveau benchmark d'agents de codage d'Alibaba, Co-Design Bench, teste les agents d'IA sur de vraies demandes d'utilisateurs qui les ont déjà fait trébucher en pratique. Même GPT-6 Astra, le meilleur performeur, ne résout complètement que 26.4 pour…
Fiabilité : à confirmer · Source The Decoder · Date de l'événement 11-08 17:50 (heure de Pékin)