Testing AI on Real-World Tasks

独立评估机构对当前领先的 AI 模型在金融、软件、网络安全等经济价值任务上的表现进行测试，部分模型如 Claude Opus 5.5 被发现能识别两个常温磁性半导体候选材料。评估机构自行运行测试并创建多个基准，最新报告发布于 2026 年 10 月 4 日。部分行业榜单显示模型性能随版本更新而提升，但具体基准数据尚未公开。