BixBench3 评测：OpenAI 领跑，AI 复现论文成功率达 48%
anshulkundaje · x · 2026-08-27
BixBench3 生物学基准测试发布，要求智能体从原始数据完成论文复现。结果显示 OpenAI (o1/Sol) 以 48% 成功率领先，Kimi 和 GLM 排名第二、第三，Anthropic (Opus 4.8) 居第四，Opus 5 因指令遵循问题表现不佳。这意味着模型已能在大约一半的时间里完整复现研究工作。
所属事件:BixBench3 发布：前沿 AI 复现生物论文成功率约 48%(4 条相关)→
「模型」频道最新
- Google 官方展示 Gemini 4 Argon 攻坚内部最难工程问题 — CurieuxExplorer · 2026-10-15
- Perplexity 新 embedding 模型：大模型建索引、小模型做查询 — antoine_chaffin · 2026-10-15
- 797GB n-gram 放进 CPU 内存，小模型硬扛多 57% 算力 — PangWeiKoh · 2026-10-15
- 爆料称 Kimi 旗舰 x4 已完成预训练，K3.1 开始内部测试 — lyraxana · 2026-10-15
- Unsloth 发布 Nemotron 3.5 本地量化包:Bolt 24GB 内存可跑 — danielhanchen · 2026-10-15
- NVIDIA 开源 Nemotron 3.5 Bolt 双模型：74B MoE 与端侧 E4B 同日发布 — HankYeomans · 2026-10-15