Co-Design Bench 真实测试显示 AI 编码智能体近四分之三任务仍需人工收尾
阿里巴巴与多所亚洲大学构建 Co-Design Bench 编码智能体基准，表现最好的模型 GPT-6 Astra 在真实网页应用改动任务中仅 26.4% 的任务完全正确。它平均满足约 70% 要求，但多数任务仍留下至少一个细节，需要人工收尾。Claude Opus 5 和 Qwen3.8-Max 紧随其后，Grok 4.6 最后；该基准针对现有测试饱和，运行环境也会明显改变模型表现。
#多模态
The DecoderAI 评分6565
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%
Google DeepMind 发布视频生成模型 Gemini Omni 1.2 Flash，原生支持最长 15 秒视频，720p 价格降至每秒 0.07 美元，较 1.1 版下降 30%。
推荐理由：对比 1.1 版，原文给出了时长、价格与参考一致性的具体变化，便于判断批量视频生成的成本与可用性。