TasteVal：评估前沿模型实验研究品味的基准

TasteVal 基准测试引入了 Opus 5.5 模型，其计算效率乘数达到 2.3x，成本仅为人类专家平均值的 1/30。该基准包含 8 个新颖且开放的任务，用于衡量模型在固定研究问题下设计实验和得出结论的能力。自 2025 年 12 月以来，前沿模型的计算效率乘数每 3.0 个月翻倍一次，而最终标准化性能每 14.6 个月翻倍一次。