Epoch AI 用内部真实工作任务评测前沿模型：Claude Fable 5.1 与 GPT-6 Astra 平均得分 65%
We tried to automate Epoch
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
Epoch AI 将内部日常工作（如图形设计、研究项目规划）整理为 Epoch Automation Reports，按人类员工同样的评分标准评测 AI。领先的 Claude Fable 5.1 和 GPT-6 Astra 平均得分 65%，即达到人类员工评分标准的 65%，但仍属任务失败。
推荐理由
Epoch 用自家真实工作任务按人类标准评测 AI，解释了 65% 的分数为何仍等于任务失败，以及基准与经济影响之间的落差来源。
来源：Epoch AI：Gradient Updates · epochai.substack.com