{"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\/es\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/","title":{"rendered":"El mejor agente de codificaci\u00f3n solo completa el 26,4% de las tareas reales."},"content":{"rendered":"

26,4 %. Ese es el porcentaje de tareas reales de edici\u00f3n de aplicaciones de usuarios que el agente de codificaci\u00f3n m\u00e1s potente complet\u00f3 con \u00e9xito en la nueva plataforma de codise\u00f1o de Alibaba, seg\u00fan un informe de Alibaba Token Hub y coautores universitarios. En promedio, la misma prueba cumpli\u00f3 con el 69,9 % de los criterios de aceptaci\u00f3n ocultos de cada tarea. La mayor\u00eda de las tareas estaban casi terminadas, pero a\u00fan sin finalizar.<\/strong><\/p>\n\n\n\n

En Documento de referencia sobre codise\u00f1o<\/a> (arXiv, 26 de octubre de 2026; sitio del proyecto en codexbench.github.io<\/a>El sistema crea 273 tareas a partir de 37\u00a0463 consultas deduplicadas en 26\u00a0314 sesiones de codificaci\u00f3n reales. Los agentes deben modificar una aplicaci\u00f3n web ejecutable a partir de una solicitud de usuario fija, a veces con archivos adjuntos de imagen, audio, v\u00eddeo o documentos. Los expertos redactaron 2331 criterios de aceptaci\u00f3n ocultos. Un juez principal de IA califica la aplicaci\u00f3n finalizada a partir del c\u00f3digo fuente y la evidencia del navegador; un segundo verificador cuestiona cada veredicto de Aprobado o Parcial y busca fragmentos de c\u00f3digo, codificaci\u00f3n fija y funciones inaccesibles.<\/p>\n\n\n\n

Qu\u00e9 significan las cifras principales<\/h2>\n\n\n\n

El modelo GPT-6 Astra de OpenAI lider\u00f3 diez puntos finales del modelo bajo un marco de trabajo compartido de Claude Code. En las 273 tareas, obtuvo una media de 0,699 de cumplimiento estricto (aproximadamente siete de cada diez criterios superados por tarea) y una tasa de aprobaci\u00f3n total del 26,4 %. En resumen: en el 73,6 % de las tareas, al menos un criterio fall\u00f3. La cobertura media de los requisitos no equivale a implementar un cambio completo.<\/p>\n\n\n\n

La diferencia es m\u00e1s pronunciada seg\u00fan la pista. En 100 tareas de edici\u00f3n multimodal, Astra super\u00f3 completamente el 41,0 % y obtuvo un promedio de 0,754 de finalizaci\u00f3n estricta. En 173 tareas de edici\u00f3n de repositorio (cambios coordinados entre componentes, rutas, estado y flujo de datos), super\u00f3 completamente el 17,9 % con 0,667 de finalizaci\u00f3n estricta. Las ediciones de repositorio que abarcaron tres o cuatro tipos de cambio obtuvieron puntuaciones m\u00e1s bajas para cada punto final que aquellas con uno o dos tipos. La finalizaci\u00f3n estricta agrupada cay\u00f3 de 0,654 en las ediciones m\u00e1s espec\u00edficas a 0,591 en las m\u00e1s espec\u00edficas.<\/p>\n\n\n\n

Ese patr\u00f3n coincide con la forma en que la gente suele dar instrucciones a las herramientas de codificaci\u00f3n. Una solicitud que solo modifica una propiedad CSS no es lo mismo que una que reconfigura la navegaci\u00f3n, el estado y un resumen dependiente en una sola pasada. La pista del repositorio de la prueba de rendimiento est\u00e1 dise\u00f1ada para que esas solicitudes compuestas sean comunes: 166 de las 173 tareas del repositorio requieren varios tipos de edici\u00f3n.<\/p>\n\n\n\n

Por qu\u00e9 las pruebas antiguas parecen demasiado f\u00e1ciles<\/h2>\n\n\n\n

Los autores crearon este conjunto de pruebas porque los antiguos benchmarks de edici\u00f3n se saturan una vez que los modelos pueden ejecutar, corregir y modificar su propio c\u00f3digo. En 150 tareas de edici\u00f3n de WebCompass, manteniendo la r\u00fabrica y el evaluador fijos, Qwen3.7-Plus pas\u00f3 de un 73,6 % de finalizaci\u00f3n de caracter\u00edsticas calificadas promedio en una sola prueba a un 95,1 % con ejecuci\u00f3n automatizada; Claude Opus 4.8 alcanz\u00f3 un 99,4 % de ejecuci\u00f3n automatizada en esa misma divisi\u00f3n. Puntuaciones tan altas dejan de diferenciar los productos.<\/p>\n\n\n\n

Co-Design Bench prioriz\u00f3 las solicitudes de sesi\u00f3n que ya mostraban fricci\u00f3n (reformulaciones, seguimientos o reversiones) y calific\u00f3 solo las funciones que funcionan en la aplicaci\u00f3n en ejecuci\u00f3n. Las tareas multimodales pueden solicitar a un agente que extraiga un valor de un recibo o un videoclip y mantenga la coherencia de todos los totales y vistas dependientes. Las tareas del repositorio pueden vincular los l\u00edmites de recuento de clips, la precisi\u00f3n de la l\u00ednea de tiempo y la recuperaci\u00f3n despu\u00e9s de una divisi\u00f3n. Un parche local plausible a\u00fan puede dejar una vista vinculada incorrecta.<\/p>\n\n\n\n

Qui\u00e9n lider\u00f3 y qui\u00e9n no.<\/h2>\n\n\n\n

Detr\u00e1s de Astra, Claude Opus 5 de Anthropic y Qwen3.8-Max de Alibaba obtuvieron una tasa de aprobaci\u00f3n completa combinada del 18,3 % y el 16,5 %. Grok 4.6 de xAI qued\u00f3 \u00faltimo con un 6,6 % de aprobaci\u00f3n completa. Las clasificaciones variaron entre las distintas categor\u00edas: Qwen3.8-27B ascendi\u00f3 al segundo puesto en las ediciones de repositorio, aunque obtuvo una clasificaci\u00f3n inferior en las multimodales. El art\u00edculo no considera esto como una ventaja general del modelo, sino \u00fanicamente como evidencia de que un \u00fanico tablero combinado puede ocultar fortalezas espec\u00edficas de cada entorno.<\/p>\n\n\n\n

El aumento de tokens no solucion\u00f3 el problema. En el trabajo multimodal, Astra alcanz\u00f3 una tasa de finalizaci\u00f3n estricta de 0,754 con una mediana de 32 turnos, mientras que GLM-5.2 utiliz\u00f3 69 turnos y un tr\u00e1fico de tokens varias veces mayor para obtener una puntuaci\u00f3n inferior. El procesamiento adicional permiti\u00f3 que algunas ejecuciones se prolongaran sin que se cerraran los criterios incompletos que imped\u00edan una pasada completa.<\/p>\n\n\n\n

El arn\u00e9s mueve el marcador<\/h2>\n\n\n\n

Cuando el equipo mantuvo fijos dos solucionadores e intercambi\u00f3 el arn\u00e9s del agente (Codex, OpenCode o Qwen Code), las puntuaciones variaron hasta en 16,2 puntos porcentuales en las ediciones del repositorio. El modelo que lider\u00f3 tambi\u00e9n dependi\u00f3 del arn\u00e9s. En las ediciones multimodales, el orden de los arneses incluso se invirti\u00f3 entre los solucionadores. La conclusi\u00f3n pr\u00e1ctica del art\u00edculo es clara: informe el modelo y el arn\u00e9s juntos. Una tabla de clasificaci\u00f3n que solo menciona el modelo cuenta solo una parte de la historia.<\/p>\n\n\n\n

Para una empresa que elige un agente de codificaci\u00f3n, eso significa probar el conjunto que realmente utilizar\u00e1 (modelo m\u00e1s herramientas) en ediciones que se parezcan a su lista de tareas pendientes, en lugar de confiar en un gr\u00e1fico que solo muestra el modelo.<\/p>\n\n\n\n

Lo que la prueba no afirma<\/h2>\n\n\n\n

En el documento se establecen las limitaciones. Cada tarea es una solicitud fija; el agente no puede hacer preguntas de seguimiento ni obtener correcciones durante la tarea. Los evaluadores de IA a\u00fan pueden cometer errores, aunque dos expertos en desarrollo front-end revisaron las puntuaciones de la r\u00fabrica en 200 resultados de tareas y modelos. El resultado mide la finalizaci\u00f3n aut\u00f3noma bajo una r\u00fabrica estricta, no el trabajo interactivo con una persona involucrada. Tampoco es una tasa medida de la frecuencia con la que los humanos corrigen el c\u00f3digo cotidiano. La interpretaci\u00f3n honesta es m\u00e1s restrictiva: en revisiones dif\u00edciles y en sesiones reales, incluso el mejor resultado final dej\u00f3 algo sin terminar la mayor\u00eda de las veces.<\/p>\n\n\n\n

Esa salvedad coincide con un tema que DailyAI ha tratado en otros lugares. METR ha argumentado que las afirmaciones de velocidad publicadas pueden superar las pruebas que la gente puede verificar.<\/a>, y los propios agentes de seguridad de OpenAI recientemente Se encontraron 948 fallos de escalada de privilegios en Linux en una investigaci\u00f3n remunerada.<\/a> \u2014 Un recordatorio de que las puntuaciones de los agentes y el rendimiento real son medidas diferentes.<\/p>\n\n\n\n

Por qu\u00e9 es importante<\/h2>\n\n\n\n

Los proveedores siguen vendiendo agentes de codificaci\u00f3n con puntuaciones casi perfectas en pruebas antiguas. En este conjunto de datos de sesi\u00f3n real, el mejor endpoint dej\u00f3 algo sin terminar en aproximadamente tres de cada cuatro tareas. Cualquier persona que compre o implemente un agente deber\u00eda exigir tasas de aprobaci\u00f3n total en ediciones realistas y, para el entorno del que provienen esas cifras, no solo una cobertura promedio de los criterios.<\/p>","protected":false},"excerpt":{"rendered":"

En la plataforma Co-Design Bench de Alibaba, el agente de codificaci\u00f3n m\u00e1s potente complet\u00f3 el 26,4 % de las 273 tareas de edici\u00f3n de aplicaciones realizadas por usuarios reales. Aun as\u00ed, cumpli\u00f3 con el 69,9 % de los criterios de cada tarea en promedio: casi siempre terminada, rara vez finalizada.<\/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\/es\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\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\/es\/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=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"David Merry\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"4 minutos\" \/>\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\":\"es\"},{\"@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\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/dailyai.com\\\/2026\\\/11\\\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@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\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/dailyai.com\\\/#organization\",\"name\":\"DailyAI\",\"url\":\"https:\\\/\\\/dailyai.com\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@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\":\"es\",\"@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\\\/es\\\/author\\\/davidmerry\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Los agentes de codificaci\u00f3n solo eliminan por completo el 26,4% de las ediciones reales.","description":"La plataforma Co-Design Bench de Alibaba descubre que el mejor agente de codificaci\u00f3n solo supera por completo el 26,4% de 273 tareas reales de edici\u00f3n de aplicaciones, a pesar de cumplir con el 69,9% de los criterios en promedio.","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\/es\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/","og_locale":"es_ES","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\/es\/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":{"Escrito por":"David Merry","Tiempo de lectura":"4 minutos"},"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":"es"},{"@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":"Los agentes de codificaci\u00f3n solo eliminan por completo el 26,4% de las ediciones reales.","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":"La plataforma Co-Design Bench de Alibaba descubre que el mejor agente de codificaci\u00f3n solo supera por completo el 26,4% de 273 tareas reales de edici\u00f3n de aplicaciones, a pesar de cumplir con el 69,9% de los criterios en promedio.","breadcrumb":{"@id":"https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/dailyai.com\/2026\/11\/best-coding-agent-fully-clears-only-26-4-of-real-tasks\/"]}]},{"@type":"ImageObject","inLanguage":"es","@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":"La econom\u00eda de la IA, medida.","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":"es"},{"@type":"Organization","@id":"https:\/\/dailyai.com\/#organization","name":"DailyAI","url":"https:\/\/dailyai.com\/","logo":{"@type":"ImageObject","inLanguage":"es","@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 sigue la econom\u00eda de la IA en cifras: rastreadores de datos, an\u00e1lisis y noticias en lenguaje claro sobre empleo, inversi\u00f3n, precios y financiaci\u00f3n.","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":"es","@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 es el fundador de DailyAI y un emprendedor afincado en Londres. Es cofundador de Kyro, socio de Ki y escribe sobre el impacto de la IA en los negocios, los mercados y la vida cotidiana.","sameAs":["https:\/\/www.linkedin.com\/in\/davidmerry\/"],"url":"https:\/\/dailyai.com\/es\/author\/davidmerry\/"}]}},"_links":{"self":[{"href":"https:\/\/dailyai.com\/es\/wp-json\/wp\/v2\/posts\/15998","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/dailyai.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/dailyai.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/dailyai.com\/es\/wp-json\/wp\/v2\/users\/16"}],"replies":[{"embeddable":true,"href":"https:\/\/dailyai.com\/es\/wp-json\/wp\/v2\/comments?post=15998"}],"version-history":[{"count":1,"href":"https:\/\/dailyai.com\/es\/wp-json\/wp\/v2\/posts\/15998\/revisions"}],"predecessor-version":[{"id":16000,"href":"https:\/\/dailyai.com\/es\/wp-json\/wp\/v2\/posts\/15998\/revisions\/16000"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/dailyai.com\/es\/wp-json\/wp\/v2\/media\/15999"}],"wp:attachment":[{"href":"https:\/\/dailyai.com\/es\/wp-json\/wp\/v2\/media?parent=15998"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/dailyai.com\/es\/wp-json\/wp\/v2\/categories?post=15998"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/dailyai.com\/es\/wp-json\/wp\/v2\/tags?post=15998"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}