可验证任务已被AI解决，不可验证任务成新战场

2026年10月2日，AGI Hunt 报道了一则关于前沿模型能力边界的观察。报道称，在会计任务上，Opus 5.5 几乎瞬时完成全部手动会计工作，准确率达到 100%，而人类完成同样工作耗时更久且错误频出；报道同时提到，两年前 GPT-4o 在同类任务上还输给普通会计。发帖人据此总结：凡是可检验（可验证）的任务，前沿模型如今已比专家做得更快更好；真正开放的问题，变成了那些无法验证的任务。报道中没有给出该会计任务的更多细节、测试规模或评测方法，也未说明是否经过独立复现。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。