2026年11月8日下午5:50研究

阿里新基準測試顯示AI編碼代理仍需人工修正

阿里推出新基準測試「Co-Design Bench」，評估AI編碼代理在真實使用者請求下的表現。測試顯示，即使是最優模型GPT-6 Astra也僅完全解決26.4%的任務，與舊基準測試中99%以上的分數形成對比。該結果凸顯了AI代理在複雜實際場景中仍面臨顯著挑戰。

由 AI 依據 1 家媒體的報導整理

出處

11/9 23:44研究
騰訊AI首席科學家：AI生物武器風險應靠過濾而非封閉模型
騰訊首席AI科學家Yao Shunyu警告AI soon將能開發生物武器，主張介於開源與封閉模型之間。他表示安全過濾器易被移除，而封閉模型阻斷過度，騰訊新模型Hy4將直接過濾危險知識。
THE DECODER
11/9 21:32研究
研究：ChatGPT 佔全球 AI 聊天流量超 81%
Graphite 的最新研究顯示，ChatGPT 目前佔全球主要 AI 聊天機器人總流量的比例超過 81%，遠超競爭對手。數據表明 ChatGPT 在經歷增長停滯後，近期月訪問量已重新加速增長。
IT之家
11/9 17:16研究
蚂蚁灵波具身模型大賽15隊晉級48小時真機決賽
蚂蚁灵波首届具身大模型挑戰賽完成初賽，15支戰隊晉級決賽。決賽將在上海舉行，參賽團隊將進行48小時真機測試，角逐獎項。
雷峰网
11/9 13:50研究
開發者每週用AI省時比例一年內驟降
InfoQ中文報導指出，每週透過AI工具節省數小時的開發者比例，從一年前的68%降至目前的26%。此數據反映開發人員對AI協作效率的評價變化，可能顯示早期紅利消退或工作流程整合挑戰。
InfoQ 中文
11/9 13:10研究
PSI 證實 AI 破解量子計算數學難題
AI 物理學新創公司 PSI 宣布，利用 Anthropic 非公開模型證實「阿隆遜-安拜尼預言」。該證明經過 Lean 系統驗證，解決了 2008 年以來未解的量子計算問題。
GIGAZINE

全部新聞 → · 版權屬原作者