Новый бенчмарк Alibaba для ИИ-агентов-программистов, Co-Design Bench, проверяет возможности агентов на реальных пользовательских запросах, которые уже вызывали у них трудности на практике. Даже GPT-6 Astra, показавший лучшие результаты, полностью решает лишь 26.4 проц…
Достоверность: требует подтверждения · Источник: The Decoder · Время события: 11-08 17:50 (пекинское время)