阿里用 18 种大模型给 100 个代码仓库做长期维护迭代的测试，模拟真实仓库需要 8 个月时间才能完成的工作，所有模型都会破坏原本正常运行的代码仓库，图二是对应模型不会破坏正常代码的概率。 ​