Opus 5.5 科研品味达人类专家 2.3 倍

2026 年 10 月 7 日，AGI Hunt 报道了 Periodic Labs 的独立测试结果。测试显示，AI 模型预测实验结果的能力自 GPT-4 Turbo 以来显著提升：在 1,173 个实验上，按当前趋势，到 2030 年 10 月可弥合与真实结果之间 90% 的差距。同一组测试的对比还给出，Opus 5.5 的「实验研究品味」达到其最佳人类专家的 2.3 倍。效率方面，模型以约 17 GPU 小时即可达到人类专家 40 小时的水平，单次成本约为后者的 1/30。上述结论均来自 Periodic Labs 一方发布的独立测试，报道未披露实验所属领域、评测方法及人类专家的选取方式，也尚无其他机构复现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。