Arrow Research 测量开放式 AI 研发任务中的智能体能力

Arrow Research 评估了 4 项开放式 AI 研发任务，前沿模型表现提升的倍增时间约为 11.5 个月，其中 GPT-6.1 Sol 综合得分最高。 工程类任务提升最快（倍增时间 7 个月），而概念类任务提升较慢（16.8 个月），基准测试预计将在 2027 年中饱和。