Co-Design Bench: GPT-6 Astra löst nur 26,4 % realer Coding-Aufgaben

ToolsGPT

Warum es zählt

Die extreme Lücke zwischen älteren Benchmarks (>99 %) und realem Einsatz (26,4 %) zeigt, dass gängige Evals die tatsächliche Agenten-Leistung massiv überschätzen. Für Teams, die auf Coding-Agenten setzen, bedeutet das: Bei rund drei von vier Tasks bleibt menschliches Nacharbeiten unvermeidbar.

— Lumeric Redaktion

Quelle lesenthe-decoder.com

Co-Design Bench · Spitzenwert

26.4%

GPT-6 Astra

Evals Benchmarks Coding Assistenten Agents

Frag die KI zum Artikel

Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.

Co-Design Bench: GPT-6 Astra löst nur 26,4 % realer Coding-Aufgaben

ToolsGPT

CompaniesAlibaba (Qwen)

Warum es zählt

— Lumeric Redaktion

Co-Design Bench · Spitzenwert

26.4%

GPT-6 Astra

Frag die KI zum Artikel

Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.

Co-Design Bench: GPT-6 Astra löst nur 26,4 % realer Coding-Aufgaben

Frag die KI zum Artikel

Verwandte Beiträge

Co-Design Bench: GPT-6 Astra löst nur 26,4 % realer Coding-Aufgaben

Frag die KI zum Artikel

Verwandte Beiträge