PLE 开放 40 万美元悬赏:没有任何 AI Agent 能完成一半真实工程任务

shangbinfeng · x · 2026-11-10

• Physical-Engineering's Last Exam(PLE)正式开放为 40 万美元公开挑战赛(Kaggle,2027 年 1 月 5 日截止):一等奖 25 万、二等奖 10 万、三等奖 5 万,目标是造出能在真实工程任务上过半的 Agent。
• 隐藏测试集当前排名:Opus 5.5(claude-code)0.483 居首,GPT 6 Astra(codex)0.458,Sonnet 5.5 0.435,Gemini 4 Argon 0.406,Opus 5 0.400,Fable 5 0.345,Grok 4.7 0.301,Gemini 3.8 Flash 0.275,GLM 5.2 0.250,DeepSeek-V4.1-Flash 0.144。
• 即最强的 Claude Opus 5.5 也未达到 0.5 的及格线,说明现有编码 Agent 在真实物理/工程任务上仍有巨大差距。

原文链接 →

「编程与Agent」频道最新

• Claude Fable 5.2 一次提示词生成可交互巨石阵场景，总成本 21 美元 — Miyamoto_-_Musashi · 2026-11-10
• Fable 5.2 接上 Runway MCP：模型一句话驱动视频生成演示 — tlakomy · 2026-11-10
• 谷歌 Antigravity 推出知识工作布局：面向研究写作的 Agent 界面 — clmt · 2026-11-10
• Sentry 工程 VP 点赞新版 GitHub PR Overview：AI bot PR 一目了然 — zeeg · 2026-11-10
• 全由 Agent 写的代码库怎么维护？答案是每周让推理模型做架构审计 — vikvang1 · 2026-11-10
• Anthropic 工程师用 AI 做出浏览器可玩的类 3A 画质的 FPS — stealthispost · 2026-11-10

更多「编程与Agent」频道 AI 资讯 →