Epoch AI 实测六款模型：能干活，但还替代不了研究员
2026.10.08 · 观点 · 行业动态 · 官方发布
Epoch AI 用自家 11 项真实工作任务测试六款前沿模型，发现开放式环节仍会失败。
Epoch AI 从自身工作中挑选 11 项任务、覆盖五个类别，在最高推理设置下测试六款模型，并由人工按员工标准打分。Fable 5.1 与 GPT-6 Astra 总分最高，在定义明确的任务上表现可靠，但在开放式环节失败，因此无法实现完全自动化。
- 测试含 11 项任务，覆盖五个类别
- 任务需模型自行用 Figma、Google Drive 等工具收集上下文
- 评分标准由 Epoch 相关员工参与制定
- Fable 5.1 与 GPT-6 Astra 总分最高
- 开放式环节失败，阻碍完全自动化
为什么值得看
看清前沿模型在真实工作流中的能力边界
适合谁关注
关注 AI 能力评估与落地的人