Arrow Research评估开放AI研发任务智能体能力

2026年10月27日，Arrow Research 发布评估报告，测量了智能体在 4 项开放式 AI 研发任务中的能力。报告显示，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 取得综合最高得分。 报告进一步分析了不同任务类型的提升速度差异。工程类任务表现提升最快，倍增时间仅为 7 个月；相比之下，概念类任务提升较慢，倍增时间达到 16.8 个月。 基于当前趋势，Arrow Research 预计该基准测试将在 2027 年中出现饱和现象，即模型能力提升速度显著放缓或达到平台期，届时测试可能不再能有效区分前沿模型的能力差异。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。