micro1.ai 发布 MissionReport 政府报告写作基准
先了解这件事
2026 年 10 月 27 日，AGI Hunt 报道 micro1.ai 发布 MissionReport 基准，用于评测前沿模型根据工作文件撰写美国政府报告的能力。评测让 9 个前沿模型各运行 3 次，共生成 540 份报告，平均得分约 60 分，区间从 54.3%（Gemini 3.8 Flash）到 64.1%（Gemini 4 Argon）；540 份中仅 3 份满足量规全部标准。「判断该写什么信息」与「综合出上级读者需要的要点」两项合计占每个模型失分的 67–77%，格式类得分则可达 80–91%。早先报道称评测对象为政府状态报告，后续报道称基准由 micro1.ai 与现役及前美国政府、军方专业人士共同推出，共含 20 个任务，覆盖周报、项目状态报告和行动报告，考察模型能否把工作文件转化为可信赖的任务报告。
AI 根据报道生成 · 15 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntMissionReport 基准发布：前沿模型写政府任务报告多数不合格
micro1.ai 与现役及前美国政府和军方专业人士推出 MissionReport 基准，测试九个前沿模型能否将工作文件转化为可信赖的任务报告。基准包含 540 份报告、20 个任务，涵盖周报、项目状态报告和行动报告等类型。结果显示前沿模型平均仅约 60 分，540 份报告中仅 3 份完全达标。
- AGI HuntMissionReport 基准：前沿模型写政府状态报告平均仅得约 60 分
micro1.ai 发布 MissionReport 基准，9 个前沿模型各跑 3 次共 540 份政府状态报告，得分从 54.3%（Gemini 3.8 Flash）到 64.1%（Gemini 4 Argon）。540 份报告中仅 3 份满足量规全部标准。「判断该写什么信息」与「综合出上级读者需要的要点」两项合计占每个模型失分的 67–77%，而格式类得分可达 80–91%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。