首个端到端自动科研开源基准发布,8 个模型花费 7400 美元评测

BenBlaiszik · x · 2026-11-21

alphaxiv 团队发布 OpenResearch Intelligence Index,号称首个针对端到端自动科研(autoresearch)的开源 benchmark,结果已上线。核心问题:哪些模型最适合 RSI?能否理解文献?能否在保持品味的同时完成复杂科学实验?

评测共花费约 7400 美元 token 费用,覆盖 8 个模型、6 家供应商、3 条评测轨道:

每个模型在其原生 harness 中于 OpenResearch 环境内运行。索引目前包含 Opus 5 等模型。

所属事件:alphaXiv 联合 Together AI 发布首个自动科研开源基准(2 条相关)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →