智能体规划航天任务有了统一考场：五个系统35个用例，几何与星座设计仍是短板
AstroAgentBench把航天任务规划变成可执行、可外部核验的智能体评测：七个任务族共116个用例，主评测取每族5个、共35个留出用例，智能体须提交排程、观测或星座设计文件，由独立校验器检查格式、时序、几何、资源与任务价值。五个智能体系统中，Codex CLI + GPT-5.4与Kimi CLI + Kimi K2.6在全部35个用例上通过有效性检查，最强系统在若干任务族接近或超过求解器参考分数，但在区域覆盖与立体成像等几何、产品级和设计密集型任务上仍明显落后。