九款AI智能体自主科研评测：135份提交无一达标

Kim等研究者发布自主科研基准评测：让Claude Opus 4.8、GPT-6 Astra、DeepSeek V4 Pro等九款AI智能体，在量子计算、等离子体物理等15个开放研究任务上做后续研究。据论文，九款智能体共提交135份成果，无一同时满足诚实、完整与专家标准三项要求。 测试中，这些智能体可使用高性能机器和互联网，没有时间限制，并最多可重启五次改进工作。若采用更宽松的评分、接受90%的评分项，GPT-6 Astra表现最接近达标，其后是Claude Opus 5.5和GPT-5.6 Sol。 研究代码和数据已公开，项目页面设有受测模型排行榜。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。