Terminal-Bench-Science 0.1：评估科研工作流中的 AI 智能体
2026.08.28 · 事件 · 新基准 · 官方发布
斯坦福团队发布科研AI基准，70项任务，最强模型仅解决30%。
斯坦福大学研究人员领导的团队发布 Terminal-Bench-Science 0.1，这是一个由科学家而非模型开发者设定标准的科研 AI 基准。首批包含 70 个来自生命、物理、地球、数学和工程科学的专家精选任务，评估 AI 智能体在真实科研工作流中的能力。目前最强模型 Claude Opus 5 的解决率仅为 30%。
- 由斯坦福团队主导，多领域专家参与构建
- 首批 70 个任务覆盖五大科学领域
- 最强模型 Claude Opus 5 解决率 30%
- 采用持续演进机制，随 AI 前沿更新
- 任务通过开放流程贡献，严格筛选
为什么值得看
首个由科学家主导的科研AI基准，反映真实科研需求。
适合谁关注
AI 研究者、科研人员及关注 AI 科学应用者