主要来源kimmonismus
查看原文事件专题 ·多源确认
TasteVal基准出炉：Claude Opus 5.5科研品味达专家2.3倍
P-Zero Research推出TasteVal基准，用8个真实AI研发任务考察模型设计实验和解读结果的能力，按所需算力与人类专家对比计分。从2023年的GPT-4到2025年得分增长缓慢，2025年12月以来分数每3.0个月翻一番。Claude Opus 5.5目前达到专家基线的2.30倍，领先Fable 5.1和GPT-6 Astra，单次尝试成本约为专家的1/30。Jack Clark据此预计AI在2027年可能开始改进AI自身。
当前结论
新出了个测"科研品味"的基准，Claude Opus 5.5已到专家2.3倍，成本只要1/30。
11 个信源56° AI 热度最后更新 2026/10/14 11:55:00
证据链
11 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。