AI 距离解决 P vs NP 还有多远：ComplexityZooBench 最高分仅 0.38%

noemaclips · x · 2026-10-13

一条推文串盘点了几个前沿模型得分不足 25% 甚至低于 10% 的基准。

ComplexityZooBench：覆盖复杂性理论重大开放问题的基准，含 50 个复杂性类的全部 2500 个有序包含关系对，其中 1324 对截至 2026 年 9 月仍是开放问题。证明 P ⊊ NP 一项即可拿到 199 分（15.03%）。当前榜首 "OAI Internal Model" 仅解决 5 对，得分 0.38%。
配图讨论的 ./ProgramBench（Meta Superintelligence Labs × Stanford × Harvard）：让 agent 仅凭编译后的二进制和文档从零重建完整代码库，200 个任务中最好的 Claude Opus 5 (xhigh) 也只解决 4.5%，花费 $50.53。

整体呈现出一个反差：前沿模型在常规编码评测上趋近饱和，但在真正的开放数学问题与逆向工程式任务上得分依然接近零。