Inteligencia IANov 8, 2026Inteligencia IA
Articulo
El nuevo Co-Design Bench de Alibaba pone a prueba a los agentes de programación de IA con solicitudes reales de usuarios que antes los hacían fallar.
Incluso el mejor desempeño, GPT-6 Astra, resuelve por completo solo el 26,4 por ciento de las tareas, mientras que los mismos modelos obtienen más del 99 por ciento en benchmarks más antiguos.
Generado por IA: resúmenes redactados por IA a partir de las fuentes enlazadas. Cómo usamos la IA
Generado por IAFuente: The Decoder
01
Resumen fuente
El nuevo Co-Design Bench de Alibaba pone a prueba a los agentes de programación de IA con solicitudes reales de usuarios que antes los hacían fallar. Incluso el mejor desempeño, GPT-6 Astra, resuelve por completo solo el 26,4 por ciento de las tareas, mientras que los mismos modelos obtienen más del 99 por ciento en benchmarks más antiguos.
02