FrontierRSI 基准发布:顶级模型仅提升约 34% 科研效率

前 Waymo 工程师 @quasicoh 与 Jesse Hu 创办的 Abundant Labs 发布 FrontierRSI 基准,用于测试 AI 能否承担前沿实验室的真实研究任务。实测显示顶级模型带来的得分提升仅约 34%,其中 Claude Opus 5.5 以 34.3% 位居榜首,GPT-6 系列落后约 10 个百分点。这一结果与 Anthropic 研究者认为 Claude 模型提供的加速比 OpenAI 研究者从 GPT 模型获得的更大的观点相一致。

2026-11-19 ~ 2026-11-21 · 2 条相关