跳到正文

#xAI

今日 0 条
11月8日周日
  1. The Decoder70

    阿里等团队发布 Co-Design Bench:编码智能体仅完整完成 26.4% 任务

    阿里巴巴与多所亚洲高校的研究者构建了编码智能体基准 Co-Design Bench,任务来自真实用户的修改请求,部分需处理图像、音频、视频或文档输入。十个被测模型中表现最好的 GPT-6 Astra 平均满足约 70% 的任务要求,但仅 26.4% 的任务被完全做对;Claude Opus 5 和 Qwen3.8-Max 分列其后,Grok 4.6 垫底。

11月1日周日
10月24日周六
10月18日周日