# Az AI-kódolóügynökök a valós feladatok háromnegyedénél még kézi utómunkát igényelnek

*The Decoder · 2026-11-08 · Kutatás*

**Az Alibaba és ázsiai egyetemek kutatói valós felhasználói kérésekre épülő tesztet, a Co-Design Bench-et készítették, amelyen a legjobb modell is csak a feladatok 26,4 százalékát teljesíti hibátlanul.**

A Co-Design Bench meglévő webalkalmazások átalakítását várja el a kódolóügynököktől, a bemenet lehet kép, hangfelvétel, videó vagy dokumentum. A tesztelt tíz modell közül a legjobb, a GPT-6 Astra a követelmények átlagosan mintegy 70 százalékát teljesíti, de csak a feladatok **teljesen helyes eredmény** születik.

A feladatokat **valós kódolási munkamenetekből** válogatták, főleg olyan esetekből, ahol a felhasználóknak többször is át kellett fogalmazniuk a kérésüket. A változtatások a kisebb módosításoktól, például egy nyugtáról kiolvasott összeg átvezetésétől a teljes projekt-átalakításig terjednek. Az értékelést egy AI-bíró végzi böngészőben, egy második bíró pedig ellenőrzi a pozitív ítéleteket, hogy nincsenek-e makettek vagy beégetett eredmények.

A több változtatástípus egyszerre, vagyis az elrendezés, a dizájn, az interakció és a tartalom együttes módosítása minden modellnél rontja az eredményt, a nagyobb számítási kapacitás pedig keveset segít. A GLM-5.2 a kisebb módosításoknál közel hatszor annyi tokent használ, mint a GPT-6 Astra, mégis lényegesen gyengébb eredményt ér el. A kutatók szerint a **futtatókörnyezete is ugyanakkora hatással** van az eredményre, mint maga a modell: a Qwen3.8-27B a nagyobb átalakításoknál a környezettől függően 75, illetve 56 százalékot ért el.

## Miért számít?

Kódolóügynököt választó csapatoknak érdemes figyelniük: a nyilvános toplisták csak a modellt mutatják, ezért a **modellt és a munkakörnyezetet együtt** érdemes tesztelni. A benchmark csak egy rögzített kérést értékel, a visszakérdezéseket és a futás közbeni javításokat nem.

---

Eredeti forrás: [AI coding agents still need human cleanup on nearly three out of four tasks in a real-world test](https://the-decoder.com/ai-coding-agents-still-need-human-cleanup-on-nearly-three-out-of-four-tasks-in-a-real-world-test)

Forrás: xhírek.hu – https://xhirek.hu/hir/az-ai-kodolougynokok-a-valos-feladatok-haromnegyedenel-meg-kezi-utomunkat