最好的编码智能体，十个任务里也只能完全做对两个半，这数字我看完有点愣住了。GPT-6 Astra 平均能满足大概 70% 的任务要求，可完全正确的只有 26.4%，旧基准上模型都快满分了，换到这个新基准直接掉了 35 个百分点以上。天天用编码智能体干活的人心里得有数，大部分活干完还得自己收尾检查一遍，别直接交差。

🌐 链接: https://x.com/taiyanghere/status/2119384763597201651
🏷️ 分组: X｜太阳（taiyanghere）
🕒 时间: 2026-11-08 19:01:18
X (formerly Twitter)
太阳 (@taiyanghere) on X
最好的编码智能体，十个任务里也只能完全做对两个半，这数字我看完有点愣住了。GPT-6 Astra 平均能满足大概 70% 的任务要求，可完全正确的只有 26.4%，旧基准上模型都快满分了，换到这个新基准直接掉了 35 个百分点以上。天天用编码智能体干活的人心里得有数，大部分活干完还得自己收尾检查一遍，别直接交差。