阿里 Co-Design Bench：最强模型仅完整解决 26.4% 的真实编码任务

阿里巴巴发布 coding-agent 基准 Co-Design Bench，采用实践中已让 AI 受挫的真实用户请求。表现最好的 GPT-6 Astra 仅完整解决 26.4% 的任务，而同一模型在旧基准上的得分超过 99%。