Epoch测试6款模型自动化能力：前沿AI仍难胜任开放任务

2026年10月13日，Epoch公布了对其真实研究工作自动化能力的测试结果。Epoch针对内部11项真实业务任务测试了6款模型，评估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。此外，开源权重模型在基础事实准确性上差距更大，且各受测模型在开放探索中普遍容易出现思路趋同的问题。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。