Skip to content
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.