Epoch AI 发布 Epoch Automation Reports，把机构内部的图表设计、研究规划等真实任务按人类员工评估标准测试 AI，领先的 Claude Fable 5.1 和 GPT-6 Astra 平均得分 65%，未达到 100% 的可自动化门槛。
查看原文：https://epochai.substack.com/p/can-ai-automate-epoch
来源：Epoch AI：Gradient Updates（RSS）
Epoch AI 用内部工作任务评测前沿模型：Claude Fable 5.1 与 GPT-6 Astra 平均只得 65%
0已赞
分享
相关推荐
- OpenClaw 无需更新即可使用新模型：改为三个模型列表来源
OpenClaw 重构模型列表获取方式，约五周、80 个 PR，新模型不再等客户端发版。现在从三处取模型列表：每 4 小时重建的 catalog.openclaw.ai 目录（约 1000 个模型）、账号可用的模型列表，以及 PATH 上已...
- OpenRouter 发布新一代 Auto Router 与 Auto Code 路由器
OpenRouter 发布新一代 Auto Router，并推出专为编码场景的 Auto Code（openrouter/auto-code），替换 openrouter/auto 即可使用。 查看原文：https://openrouter...
- 约 60 万块 Nvidia H200 芯片滞留香港仓库，受阻方为北京而非华盛顿
据 Reuters 报道，约 60 万块 Nvidia H200 芯片闲置在香港仓库，阻碍并非来自华盛顿而是北京。尽管 Trump 去年已放行 H200 对华销售，中国正以每家科技巨头约 1 万块的速度小批量发放进口许可，推动国内服务器价格...
- METR 审计称 Anthropic 可能早在 7 月已触发其自身 AI 加速预警阈值
METR 发布对 Anthropic 内部数据的十一周审计结果，称自 2025 年 10 月以来模型测试分数提升速度约加快 1.9 倍，其中约 80% 归因于 AI 用于公司自身研究，可能已在 7 月 15 日达到其负责任扩展政策中的预警阈...
- Anthropic 1.5 万亿美元 IPO 因投资者质疑估值遇阻
据 Reuters，Anthropic 的 IPO 遇阻，投资者质疑 1.5 万亿美元估值过高，有投资者提出仅 1 万亿美元，公司 9 月曾瞄准最高 2 万亿美元估值。 查看原文：https://the-decoder.com/anthro...
- Thinking Machines 发布 Inkling 2 Small：594B 总参/17B 激活 MoE，68 小时预训练，称超越 Muse Spark
Latent Space 汇总 2026-11-04 至 11-05 的 AI 新闻，头条是 Thinking Machines 发布 Inkling 2 Small。 查看原文：https://latent.space/p/ainews-...
- 蚂蚁百灵发布 Ling-3.2-flash：原生多模态，560B 总参数单步激活 25B
蚂蚁百灵发布原生多模态模型 Ling-3.2-flash，总参数 560B、单步激活 25B，支持 1M 原生长上下文，重点强化视觉反馈自检与异常自适应恢复能力。 查看原文：https://mp.weixin.qq.com/s/k1AUP6...
- Transluce 自动化批量生成 6915 个带意外副作用的训练数据集 DSSE-1.1
Transluce 发布自动化流水线，按诱导性、自然性和意外性三个目标批量搜索带意外副作用的训练数据集（DSSE），并开源 DSSE-1.1 集合，共 6915 个数据集，覆盖 18 种目标行为（如推荐自残、抵抗关机等）。 查看原文：htt...
微信扫码分享