Epoch 实测 AI 能否自动化其真实研究工作

Epoch 针对内部 11 项真实业务任务测试了 6 款模型，评估结果显示当前前沿大模型仍无法端到端自动化其工作。在图表设计与研究设计等测试中，Claude Fable 5.1 与 GPT-6 Astra 在代码和计算等明确任务上表现稳定，但在理解隐性风格规范、实验设计严谨度及科研判断力等开放性环节存在明显短板；开源权重模型在基础事实准确性上差距更大，且各模型在开放探索中容易出现思路趋同。