Epoch 把自家工作原样交给六个模型做：定义清楚的任务能做，开放式的做不了，还把自己实验设置的缺陷当成主要发现
Epoch AI 发布《Can AI automate Epoch?》（Automation Reports）：不用合成基准，而是把 Epoch 自己的真实工作任务——包括图表生成与研究设计——原样交给六个模型完成，再按 Epoch 内部标准人工评分，看它们离「自动化我们的工作」还有多远。
报告的主要发现：Claude Fable 5.1 与 GPT-6 Astra 大致并列领先；开放权重模型在闭源模型表现稳定的环节明显吃力；模型无法从给定样例中学到可泛化的模式；能提出看起来有前景的研究方向，却设计不出真正有信息量的实验，甚至会把由自身实验设置缺陷造成的结论当成关键发现。此外 Fable 5.1 的输出信息密度极高，而不同模型面对很大的想法空间，最终仍收敛到相似的思路上。
结论是前沿模型尚不能自主产出 Epoch 质量的工作：定义明确的任务做得可靠，卡住它们的是那些开放式的、也正是阻止这类工作被完全自动化的部分。
原文链接：Epoch AI 官方报告页
核验记录
日期取单页 JSON-LD datePublished=2026-10-08（epoch.ai/publications/can-ai-automate-epoch），页内另可见「Report Oct. 8, 2026」，两处一致，本机直读 200 / 150,128 字节。配图为该页 og:image，裸请求与带 Referer 均 200 / PNG 21,598 字节。报告未给单一总分，「六个模型」与各小节结论均取自其正文与目录；「开放权重模型」的落后是在其设定的任务上，非全基准比较。
← 上一篇谷歌云在 Gemini at Work 发布 Gemini Agent：一个提示框接入全部业务上下文，返回的是成品下一篇 →JetBrains 开源 Mellum2.1：12B MoE 只激活 2.5B，全部改进来自真环境强化学习，SWE-bench Verified 从 2.0 升到 47.0