AI 能否自动化 Epoch？六款模型真实工作任务评估

Epoch 让六款模型在最高推理设置下完成 11 项取自其真实工作的任务，并按员工标准人工评分，结论是前沿模型尚不能端到端自动化 Epoch 的工作。Claude Fable 5.1 与 GPT-6 Astra 总体领先，在编码、数据分析和计算机操作等定义明确的任务上表现可靠，但难以领悟 Epoch 的隐含标准、设计有效实验并从结果中得出有意义结论。