Ett nytt test ber kodagenter bygga om en fungerande app de bara får interagera med
GPT-6 Astra klarade 49,2 procent i det svåraste läget och Claude Opus 5 28,8 procent, i artikelns egen utvärdering av nio frontagenter.
Benchmark
ProgramDistill
Vad benchmarken ProgramDistill mäter, hur Microsoft Research kör den och de registrerade modellresultaten, där varje siffra visas med källa,…
- Ansvarig
- Microsoft Research
- Poäng
- %
- Senast kontrollerad
- 19 september 2026
Topplista
Inga verifierade resultat registrerade ännu.