2026年，AI大模型正从通用对话走向代码生成、智能体协作等产业落地场景，模型代码能力的标准化评估需求也日益凸显。
9月11日下午，中国信息通信研究院(以下简称“中国信通院”)在2026年中国国际服务贸易交易会(以下简称“服贸会”)智能原生软件变革与创新交流活动上，升级发布“方升-Code2.0”大模型基准测试体系。
“方升-Code”是中国信通院在工信部指导下研发的代码大模型基准测试体系。本次发布的2.0版，回应了当前AI代码评测体系在工程实践中暴露出的局限性。复旦大学计算与智能创新学院副院长、教授彭鑫指出，当前行业榜单繁荣，但很多评测集的初衷“是AI能力的练兵场，而非软件工程的试金石”，且存在评测任务偏简单、数据质量不高、验证标准单一、缺少科学难度分级等问题。
针对上述问题，中国信通院人工智能（885728）所平台与工程化部主任曹峰介绍了方升-Code的建设思路。他表示，方升-Code面向能力发现与生产部署需求，核心要求是构念清晰、任务真实、测量稳定和有效性验证，旨在刻画模型能力边界，支撑模型研发与应用部署选型。目前，方升-Code基准测试已构建5000余条高质量、多任务的评测数据，所有数据均来自真实的软件研发项目。本次测试选取代码生成、代码问题解决、单元测试、研发问答四类典型任务，动态选取高、中、低不同难度等级测试数据287条。
彭鑫进一步介绍，方升-Code2.0从单一正确率转向多维综合测量，评测指标体系包括代码能力表现、工程质量与实际价值、效率成本分析、过程表现衡量、能力稳定性等。未来评测数据集将持续更新，并针对重点测评任务种类的高难度任务进一步开展精细化难度分级，加强被测模型和Agent(智能体)的能力识别区分度。
曹峰指出，评测范式正由“代码能否生成”走向“复杂工程任务能否持续、稳定完成”。大模型能力竞争焦点不是“一套题得分更高”，而是能否稳定完成更长、更复杂的真实研发任务。
工信部数据显示，2026年1-5月，我国软件业务收入约6.25万亿元，同比增长10.3%；截至6月，日均Token调用量已突破500万亿。
这一趋势也得到了政策层面的呼应。工业和信息化部近日印发的《“人工智能（885728）+软件”专项行动实施方案》提出，到2028年，累计组织实施100项软件企业智能化技改项目，在重点行业打造100个智能体软件标杆应用；到2030年，关键软件全面实现智能化升级，智能编程、智能体软件及智能服务等新业态成为产业新增长极。
中国信通院人工智能（885728）研究所平台与工程化部高级业务主管秦思思在分享中指出，智能原生软件正推动软件从“提供功能”向“理解目标、规划任务并自主执行”演进，软件产品的测试也将更加关注智能任务执行与结果质量。
“下一步，中国信通院将携手产业各界，继续构建能够科学反映人工智能（885728）在软件行业应用真实情况的评测体系，为我国政策制定和产业落地提供准确参考。”中国信通院人工智能（885728）研究所所长魏凯说道。
