{"id":15998,"date":"2026-11-09T13:16:23","date_gmt":"2026-11-09T12:16:23","guid":{"rendered":"https:\/\/dailyai.com\/?p=15998"},"modified":"2026-11-09T13:16:23","modified_gmt":"2026-11-09T12:16:23","slug":"best-coding-agent-fully-clears-only-26-4-of-real-tasks","status":"publish","type":"post","link":"https:\/\/dailyai.com\/de\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/","title":{"rendered":"Der beste Coding-Agent l\u00f6st nur 26,4 % der realen Aufgaben vollst\u00e4ndig."},"content":{"rendered":"

26,4 %. So hoch ist der Anteil der Aufgaben zur Bearbeitung von Apps durch echte Nutzer, die der leistungsst\u00e4rkste Programmieragent auf Alibabas neuer Co-Design Bench vollst\u00e4ndig bew\u00e4ltigt hat, wie eine Studie von Alibaba Token Hub und Universit\u00e4tsmitarbeitern zeigt. Im Durchschnitt erf\u00fcllte derselbe Durchlauf 69,9 % der versteckten Akzeptanzkriterien jeder Aufgabe. Die meisten Aufgaben waren gr\u00f6\u00dftenteils erledigt, aber noch nicht abgeschlossen.<\/strong><\/p>\n\n\n\n

Die Co-Design Bench Papier<\/a> (arXiv, 26. Oktober 2026; Projektseite unter) codesignbench.github.io<\/a>Das System erstellt 273 Aufgaben aus 37.463 deduplizierten Anfragen in 26.314 realen Programmiersitzungen. Die Agenten m\u00fcssen eine lauff\u00e4hige Webanwendung anhand einer vorgegebenen Benutzeranfrage \u00fcberarbeiten, teilweise mit Bild-, Audio-, Video- oder Dokumentanh\u00e4ngen. Experten haben 2.331 versteckte Akzeptanzkriterien formuliert. Ein prim\u00e4rer KI-Bewerter bewertet die fertige Anwendung anhand des Quellcodes und der Browserdaten; ein zweiter Pr\u00fcfer hinterfragt jedes positive oder negative Ergebnis und sucht nach Platzhaltern, fest codierten und nicht erreichbaren Funktionen.<\/p>\n\n\n\n

Was die Zahlen in der \u00dcberschrift bedeuten<\/h2>\n\n\n\n

OpenAIs GPT-6 Astra f\u00fchrte zehn Modellendpunkte unter einem gemeinsamen Claude-Code-Framework an. \u00dcber alle 273 Aufgaben hinweg erreichte es eine mittlere strikte Erf\u00fcllungsquote von 0,699 \u2013 das entspricht etwa sieben von zehn erf\u00fcllten Kriterien pro Aufgabe \u2013 und eine vollst\u00e4ndige Erfolgsquote von 26,4 %. Zusammengenommen bedeutet dies: Bei 73,6 % der Aufgaben wurde mindestens ein Kriterium nicht erf\u00fcllt. Die durchschnittliche Anforderungsabdeckung ist nicht gleichbedeutend mit der Auslieferung einer vollst\u00e4ndigen \u00c4nderung.<\/p>\n\n\n\n

Die Unterschiede sind je nach Track deutlicher. Bei 100 Aufgaben zur multimodalen Bearbeitung erreichte Astra eine vollst\u00e4ndige Erfolgsquote von 41,0 % und einen durchschnittlichen Wert von 0,754 f\u00fcr strikte Vollst\u00e4ndigkeit. Bei 173 Aufgaben zur Repository-Bearbeitung \u2013 koordinierten \u00c4nderungen an Komponenten, Routen, Zustand und Datenfluss \u2013 erreichte Astra eine vollst\u00e4ndige Erfolgsquote von 17,9 % und einen Wert von 0,667 f\u00fcr strikte Vollst\u00e4ndigkeit. Repository-Bearbeitungen, die drei oder vier \u00c4nderungstypen umfassten, schnitten f\u00fcr jeden Endpunkt schlechter ab als solche mit nur einem oder zwei Typen. Die gepoolte strikte Vollst\u00e4ndigkeit sank von 0,654 bei enger gefassten Bearbeitungen auf 0,591 bei umfassenderen.<\/p>\n\n\n\n

Dieses Muster entspricht der tats\u00e4chlichen Vorgehensweise bei der Anforderung von Programmierwerkzeugen. Eine Anfrage, die lediglich eine CSS-Eigenschaft anpasst, ist nicht mit einer Aufgabe vergleichbar, die Navigation, Zustand und eine abh\u00e4ngige Zusammenfassung in einem Durchgang neu konfiguriert. Der Repository-Track des Benchmarks ist so konzipiert, dass solche komplexen Anfragen h\u00e4ufig vorkommen: 166 von 173 Repository-Aufgaben erfordern mehrere Bearbeitungstypen.<\/p>\n\n\n\n

Warum \u00e4ltere Tests zu einfach aussehen<\/h2>\n\n\n\n

Die Autoren erstellten dieses Set, da \u00e4ltere Benchmarks f\u00fcr die Bearbeitung von Funktionen an ihre Grenzen sto\u00dfen, sobald Modelle ihren Code in Schleifen ausf\u00fchren und selbstst\u00e4ndig korrigieren k\u00f6nnen. Bei 150 WebCompass-Bearbeitungsaufgaben, bei gleichbleibender Bewertungsmatrix und Bewertungskriterien, steigerte Qwen 3.7-Plus die durchschnittliche Bewertung der Feature-Vervollst\u00e4ndigung von 73,6 % im Einzeldurchlauf auf 95,1 % mit agentengesteuerter Ausf\u00fchrung; Claude Opus 4.8 erreichte im selben Test 99,4 %. Derart hohe Werte f\u00fchren dazu, dass sich Produkte nicht mehr voneinander unterscheiden.<\/p>\n\n\n\n

Co-Design Bench bevorzugte stattdessen Sitzungsanfragen, die bereits Reibungsverluste aufwiesen \u2013 etwa Umformulierungen, Nachfragen oder Rollbacks \u2013 und bewertet nur Funktionen, die in der laufenden Anwendung funktionieren. Multimodale Aufgaben k\u00f6nnen einen Agenten anweisen, einen Wert aus einem Beleg oder einem Videoclip abzurufen und dabei alle abh\u00e4ngigen Summen und Ansichten konsistent zu halten. Repository-Aufgaben k\u00f6nnen Clip-Z\u00e4hlerbegrenzungen, Zeitleistengenauigkeit und die Wiederherstellung nach einer Aufteilung miteinander verkn\u00fcpfen. Ein plausibler lokaler Patch kann dennoch dazu f\u00fchren, dass eine verkn\u00fcpfte Ansicht fehlerhaft ist.<\/p>\n\n\n\n

Wer f\u00fchrte, und wer nicht?<\/h2>\n\n\n\n

Hinter Astra folgten Anthropics Claude Opus 5 und Alibabas Qwen3.8-Max mit einer kombinierten Erfolgsquote von 18,3 % bzw. 16,5 %. xAIs Grok 4.6 landete mit 6,6 % auf dem letzten Platz. Die Rangliste variierte je nach Kategorie: Qwen3.8-27B stieg bei Repository-Bearbeitungen auf den zweiten Platz, obwohl es bei multimodalen Bearbeitungen schlechter abschnitt. Die Studie interpretiert dies nicht als allgemeinen Modellvorteil, sondern lediglich als Beleg daf\u00fcr, dass ein einzelnes kombiniertes Board umgebungsspezifische St\u00e4rken verschleiern kann.<\/p>\n\n\n\n

Das Verbrennen weiterer Token \u00e4nderte nichts an dem Problem. Bei multimodalen Aufgaben erreichte Astra mit durchschnittlich 32 Z\u00fcgen eine strikte Fertigstellung von 0,754, w\u00e4hrend GLM-5.2 f\u00fcr ein niedrigeres Ergebnis 69 Z\u00fcge und ein Vielfaches des Token-Verkehrs ben\u00f6tigte. Zus\u00e4tzliche Rechenleistung erm\u00f6glichte es einigen L\u00e4ufen, l\u00e4nger zu arbeiten, ohne die unvollst\u00e4ndigen Kriterien zu schlie\u00dfen, die einen vollst\u00e4ndigen Durchlauf verhindern.<\/p>\n\n\n\n

Das Geschirr bewegt die Anzeigetafel<\/h2>\n\n\n\n

Als das Team zwei Solver beibehielt und das Agenten-Harness \u2013 Codex, OpenCode oder Qwen Code \u2013 austauschte, ver\u00e4nderten sich die Ergebnisse bei Repository-\u00c4nderungen um bis zu 16,2 Prozentpunkte. Welches der beiden Modelle die Nase vorn hatte, hing ebenfalls vom Harness ab. Bei multimodalen \u00c4nderungen kehrte sich die Reihenfolge der Harnesses zwischen den Solvern sogar um. Die praktische Schlussfolgerung der Studie ist eindeutig: Modell und Harness sollten gemeinsam berichtet werden. Eine Rangliste, die nur das Modell nennt, liefert nur einen Teil der Information.<\/p>\n\n\n\n

F\u00fcr ein Unternehmen, das sich f\u00fcr einen Codierungsagenten entscheidet, bedeutet das, das Paar, das man tats\u00e4chlich einsetzen wird \u2013 Modell plus Tools \u2013, anhand von \u00c4nderungen zu testen, die dem Backlog \u00e4hneln, und sich nicht auf eine Tabelle zu verlassen, die nur das Modell auflistet.<\/p>\n\n\n\n

Was der Test nicht behauptet<\/h2>\n\n\n\n

Die Grenzen sind in der Ver\u00f6ffentlichung dargelegt. Jede Aufgabe stellt eine feste Anforderung dar; der Agent kann keine Nachfragen stellen oder Korrekturen w\u00e4hrend der Bearbeitung anfordern. KI-Bewertungen k\u00f6nnen weiterhin Fehler machen, obwohl zwei Frontend-Experten die Bewertungskriterien anhand von 200 Aufgabenmodell-Ausgaben \u00fcberpr\u00fcft haben. Das Ergebnis misst die autonome Bearbeitung nach strengen Kriterien, nicht die interaktive Arbeit mit einem Menschen. Es gibt auch nicht an, wie oft Menschen im allt\u00e4glichen Programmieralltag Korrekturen vornehmen. Die ehrliche Interpretation ist differenzierter: Bei anspruchsvollen \u00dcberarbeitungen in realen Sitzungen blieb selbst das beste Ergebnis meist unvollst\u00e4ndig.<\/p>\n\n\n\n

Diese Einschr\u00e4nkung passt zu einem Thema, das DailyAI auch an anderer Stelle beobachtet hat. METR argumentiert, dass die ver\u00f6ffentlichten Geschwindigkeitsangaben die Beweise, die die \u00d6ffentlichkeit \u00fcberpr\u00fcfen kann, \u00fcbertreffen k\u00f6nnen.<\/a>, und die eigenen Sicherheitsagenten von OpenAI k\u00fcrzlich Bei einer bezahlten Forschungsarbeit wurden 948 Linux-Sicherheitsl\u00fccken zur Rechteausweitung gefunden.<\/a> \u2014 Zur Erinnerung: Agentenbewertungen und tats\u00e4chliche Leistungserbringung sind unterschiedliche Messgr\u00f6\u00dfen.<\/p>\n\n\n\n

Warum es wichtig ist<\/h2>\n\n\n\n

Anbieter verkaufen immer noch Codierungsagenten mit nahezu perfekten Testergebnissen in \u00e4lteren Tests. In diesem realen Testdatensatz lie\u00df der beste Endpunkt bei etwa drei von vier Aufgaben etwas unfertig. Jeder, der einen Agenten kauft oder einsetzt, sollte nach den Erfolgsquoten bei realistischen Bearbeitungen und dem Testsystem fragen, aus dem diese Zahlen stammen, und sich nicht nur auf die durchschnittliche Kriterienabdeckung beschr\u00e4nken.<\/p>","protected":false},"excerpt":{"rendered":"

Auf Alibabas Co-Design Bench bew\u00e4ltigte der leistungsst\u00e4rkste Codierungsagent 26,4 % von 273 Aufgaben zur App-Bearbeitung durch echte Nutzer vollst\u00e4ndig. Er erf\u00fcllte im Durchschnitt 69,9 % der Kriterien jeder Aufgabe \u2013 gr\u00f6\u00dftenteils erledigt, selten abgeschlossen.<\/p>","protected":false},"author":16,"featured_media":15999,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-15998","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry"],"yoast_head":"\nCoding Agents Fully Clear Only 26.4% of Real Edits<\/title>\n<meta name=\"description\" content=\"Alibaba\u2019s Co-Design Bench finds the best coding agent fully clears only 26.4% of 273 real app-edit tasks, despite meeting 69.9% of criteria on average.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/dailyai.com\/de\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Coding Agents Fully Clear Only 26.4% of Real Edits\" \/>\n<meta property=\"og:description\" content=\"Alibaba\u2019s Co-Design Bench finds the best coding agent fully clears only 26.4% of 273 real app-edit tasks, despite meeting 69.9% of criteria on average.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/dailyai.com\/de\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/\" \/>\n<meta property=\"og:site_name\" content=\"DailyAI\" \/>\n<meta property=\"article:published_time\" content=\"2026-11-09T12:16:23+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/dailyai.com\/wp-content\/uploads\/2026\/10\/dailyai-og-default.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"630\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"David Merry\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DailyAIOfficial\" \/>\n<meta name=\"twitter:site\" content=\"@DailyAIOfficial\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"David Merry\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"4\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"NewsArticle\",\"@id\":\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/\"},\"author\":{\"name\":\"David Merry\",\"@id\":\"https:\\\/\\\/dailyai.com\\\/#\\\/schema\\\/person\\\/285a97adb64b88751ac3440ece6b08a1\"},\"headline\":\"Best Coding Agent Fully Clears Only 26.4% of Real Tasks\",\"datePublished\":\"2026-11-09T12:16:23+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/\"},\"wordCount\":906,\"publisher\":{\"@id\":\"https:\\\/\\\/dailyai.com\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/dailyai.com\\\/wp-content\\\/uploads\\\/2026\\\/11\\\/dai-house-15998.jpg\",\"inLanguage\":\"de\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/\",\"url\":\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/\",\"name\":\"Coding Agents Fully Clear Only 26.4% of Real Edits\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/dailyai.com\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/dailyai.com\\\/wp-content\\\/uploads\\\/2026\\\/11\\\/dai-house-15998.jpg\",\"datePublished\":\"2026-11-09T12:16:23+00:00\",\"description\":\"Alibaba\u2019s Co-Design Bench finds the best coding agent fully clears only 26.4% of 273 real app-edit tasks, despite meeting 69.9% of criteria on average.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/#primaryimage\",\"url\":\"https:\\\/\\\/dailyai.com\\\/wp-content\\\/uploads\\\/2026\\\/11\\\/dai-house-15998.jpg\",\"contentUrl\":\"https:\\\/\\\/dailyai.com\\\/wp-content\\\/uploads\\\/2026\\\/11\\\/dai-house-15998.jpg\",\"width\":1472,\"height\":832,\"caption\":\"Flat vector illustration of a cream clipboard with three navy checklist bars and one unfinished red bar beside a navy code window.\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/dailyai.com\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Best Coding Agent Fully Clears Only 26.4% of Real Tasks\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/dailyai.com\\\/#website\",\"url\":\"https:\\\/\\\/dailyai.com\\\/\",\"name\":\"DailyAI\",\"description\":\"The AI economy, measured.\",\"publisher\":{\"@id\":\"https:\\\/\\\/dailyai.com\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/dailyai.com\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/dailyai.com\\\/#organization\",\"name\":\"DailyAI\",\"url\":\"https:\\\/\\\/dailyai.com\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/dailyai.com\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/dailyai.com\\\/wp-content\\\/uploads\\\/2023\\\/06\\\/Daily-Ai_TL_colour.png\",\"contentUrl\":\"https:\\\/\\\/dailyai.com\\\/wp-content\\\/uploads\\\/2023\\\/06\\\/Daily-Ai_TL_colour.png\",\"width\":4501,\"height\":934,\"caption\":\"DailyAI\"},\"image\":{\"@id\":\"https:\\\/\\\/dailyai.com\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/x.com\\\/DailyAIOfficial\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/dailyaiofficial\\\/\",\"https:\\\/\\\/www.youtube.com\\\/@DailyAIOfficial\"],\"legalName\":\"Zero Hour Investments FZCO\",\"foundingDate\":\"2023\",\"slogan\":\"The AI economy, measured.\",\"description\":\"DailyAI tracks the AI economy in numbers: data trackers, research and plain-English news on jobs, spending, pricing and funding.\",\"address\":{\"@type\":\"PostalAddress\",\"addressCountry\":\"AE\"},\"contactPoint\":{\"@type\":\"ContactPoint\",\"contactType\":\"customer support\",\"url\":\"https:\\\/\\\/dailyai.com\\\/contact\\\/\"},\"founder\":{\"@type\":\"Person\",\"name\":\"David Merry\",\"url\":\"https:\\\/\\\/dailyai.com\\\/author\\\/davidmerry\\\/\",\"sameAs\":[\"https:\\\/\\\/www.linkedin.com\\\/in\\\/davidmerry\\\/\"]}},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/dailyai.com\\\/#\\\/schema\\\/person\\\/285a97adb64b88751ac3440ece6b08a1\",\"name\":\"David Merry\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/dailyai.com\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/david-merry-dailyai.jpg\",\"url\":\"https:\\\/\\\/dailyai.com\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/david-merry-dailyai.jpg\",\"contentUrl\":\"https:\\\/\\\/dailyai.com\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/david-merry-dailyai.jpg\",\"caption\":\"David Merry\"},\"description\":\"David Merry is the founder of DailyAI and a London-based entrepreneur. He co-founded Kyro, is a partner at Ki and writes about AI's impact on business, markets and everyday life.\",\"sameAs\":[\"https:\\\/\\\/www.linkedin.com\\\/in\\\/davidmerry\\\/\"],\"url\":\"https:\\\/\\\/dailyai.com\\\/de\\\/author\\\/davidmerry\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Codierungsagenten l\u00f6schen nur 26,4 % der tats\u00e4chlichen \u00c4nderungen vollst\u00e4ndig.","description":"Alibabas Co-Design Bench ergab, dass der beste Codierungsagent nur 26,4 % von 273 realen App-Bearbeitungsaufgaben vollst\u00e4ndig bew\u00e4ltigt, obwohl er im Durchschnitt 69,9 % der Kriterien erf\u00fcllt.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/dailyai.com\/de\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/","og_locale":"de_DE","og_type":"article","og_title":"Coding Agents Fully Clear Only 26.4% of Real Edits","og_description":"Alibaba\u2019s Co-Design Bench finds the best coding agent fully clears only 26.4% of 273 real app-edit tasks, despite meeting 69.9% of criteria on average.","og_url":"https:\/\/dailyai.com\/de\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/","og_site_name":"DailyAI","article_published_time":"2026-11-09T12:16:23+00:00","og_image":[{"width":1200,"height":630,"url":"https:\/\/dailyai.com\/wp-content\/uploads\/2026\/10\/dailyai-og-default.jpg","type":"image\/jpeg"}],"author":"David Merry","twitter_card":"summary_large_image","twitter_creator":"@DailyAIOfficial","twitter_site":"@DailyAIOfficial","twitter_misc":{"Verfasst von":"David Merry","Gesch\u00e4tzte Lesezeit":"4\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"NewsArticle","@id":"https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/#article","isPartOf":{"@id":"https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/"},"author":{"name":"David Merry","@id":"https:\/\/dailyai.com\/#\/schema\/person\/285a97adb64b88751ac3440ece6b08a1"},"headline":"Best Coding Agent Fully Clears Only 26.4% of Real Tasks","datePublished":"2026-11-09T12:16:23+00:00","mainEntityOfPage":{"@id":"https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/"},"wordCount":906,"publisher":{"@id":"https:\/\/dailyai.com\/#organization"},"image":{"@id":"https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/#primaryimage"},"thumbnailUrl":"https:\/\/dailyai.com\/wp-content\/uploads\/2026\/11\/dai-house-15998.jpg","inLanguage":"de"},{"@type":"WebPage","@id":"https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/","url":"https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/","name":"Codierungsagenten l\u00f6schen nur 26,4 % der tats\u00e4chlichen \u00c4nderungen vollst\u00e4ndig.","isPartOf":{"@id":"https:\/\/dailyai.com\/#website"},"primaryImageOfPage":{"@id":"https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/#primaryimage"},"image":{"@id":"https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/#primaryimage"},"thumbnailUrl":"https:\/\/dailyai.com\/wp-content\/uploads\/2026\/11\/dai-house-15998.jpg","datePublished":"2026-11-09T12:16:23+00:00","description":"Alibabas Co-Design Bench ergab, dass der beste Codierungsagent nur 26,4 % von 273 realen App-Bearbeitungsaufgaben vollst\u00e4ndig bew\u00e4ltigt, obwohl er im Durchschnitt 69,9 % der Kriterien erf\u00fcllt.","breadcrumb":{"@id":"https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/#primaryimage","url":"https:\/\/dailyai.com\/wp-content\/uploads\/2026\/11\/dai-house-15998.jpg","contentUrl":"https:\/\/dailyai.com\/wp-content\/uploads\/2026\/11\/dai-house-15998.jpg","width":1472,"height":832,"caption":"Flat vector illustration of a cream clipboard with three navy checklist bars and one unfinished red bar beside a navy code window."},{"@type":"BreadcrumbList","@id":"https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/dailyai.com\/"},{"@type":"ListItem","position":2,"name":"Best Coding Agent Fully Clears Only 26.4% of Real Tasks"}]},{"@type":"WebSite","@id":"https:\/\/dailyai.com\/#website","url":"https:\/\/dailyai.com\/","name":"DailyAI","description":"Die KI-Wirtschaft, vermessen.","publisher":{"@id":"https:\/\/dailyai.com\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/dailyai.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/dailyai.com\/#organization","name":"DailyAI","url":"https:\/\/dailyai.com\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/dailyai.com\/#\/schema\/logo\/image\/","url":"https:\/\/dailyai.com\/wp-content\/uploads\/2023\/06\/Daily-Ai_TL_colour.png","contentUrl":"https:\/\/dailyai.com\/wp-content\/uploads\/2023\/06\/Daily-Ai_TL_colour.png","width":4501,"height":934,"caption":"DailyAI"},"image":{"@id":"https:\/\/dailyai.com\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/DailyAIOfficial","https:\/\/www.linkedin.com\/company\/dailyaiofficial\/","https:\/\/www.youtube.com\/@DailyAIOfficial"],"legalName":"Zero Hour Investments FZCO","foundingDate":"2023","slogan":"The AI economy, measured.","description":"DailyAI erfasst die KI-Wirtschaft in Zahlen: Daten-Tracker, Analysen und verst\u00e4ndliche Nachrichten zu Jobs, Ausgaben, Preisen und Finanzierung.","address":{"@type":"PostalAddress","addressCountry":"AE"},"contactPoint":{"@type":"ContactPoint","contactType":"customer support","url":"https:\/\/dailyai.com\/contact\/"},"founder":{"@type":"Person","name":"David Merry","url":"https:\/\/dailyai.com\/author\/davidmerry\/","sameAs":["https:\/\/www.linkedin.com\/in\/davidmerry\/"]}},{"@type":"Person","@id":"https:\/\/dailyai.com\/#\/schema\/person\/285a97adb64b88751ac3440ece6b08a1","name":"David Merry","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/dailyai.com\/wp-content\/uploads\/2026\/10\/david-merry-dailyai.jpg","url":"https:\/\/dailyai.com\/wp-content\/uploads\/2026\/10\/david-merry-dailyai.jpg","contentUrl":"https:\/\/dailyai.com\/wp-content\/uploads\/2026\/10\/david-merry-dailyai.jpg","caption":"David Merry"},"description":"David Merry ist Gr\u00fcnder von DailyAI und ein in London ans\u00e4ssiger Unternehmer. Er ist Mitgr\u00fcnder von Kyro, Partner bei Ki und schreibt \u00fcber die Auswirkungen von KI auf Wirtschaft, M\u00e4rkte und den Alltag.","sameAs":["https:\/\/www.linkedin.com\/in\/davidmerry\/"],"url":"https:\/\/dailyai.com\/de\/author\/davidmerry\/"}]}},"_links":{"self":[{"href":"https:\/\/dailyai.com\/de\/wp-json\/wp\/v2\/posts\/15998","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/dailyai.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dailyai.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dailyai.com\/de\/wp-json\/wp\/v2\/users\/16"}],"replies":[{"embeddable":true,"href":"https:\/\/dailyai.com\/de\/wp-json\/wp\/v2\/comments?post=15998"}],"version-history":[{"count":1,"href":"https:\/\/dailyai.com\/de\/wp-json\/wp\/v2\/posts\/15998\/revisions"}],"predecessor-version":[{"id":16000,"href":"https:\/\/dailyai.com\/de\/wp-json\/wp\/v2\/posts\/15998\/revisions\/16000"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dailyai.com\/de\/wp-json\/wp\/v2\/media\/15999"}],"wp:attachment":[{"href":"https:\/\/dailyai.com\/de\/wp-json\/wp\/v2\/media?parent=15998"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dailyai.com\/de\/wp-json\/wp\/v2\/categories?post=15998"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dailyai.com\/de\/wp-json\/wp\/v2\/tags?post=15998"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}