TasteVal基准称AI模型实验研究品味快速提升

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。

TasteVal 是一个用于评估 AI 模型在 AI 研究任务中实验设计能力的基准，其核心指标是实验计算效率。自 2025 年 12 月起，前沿模型的实验研究品味每 3.0 个月翻倍（95% 置信区间 1.7-5.0 个月）。Opus 5.5 在实验计算效率上达到人类专家的 2.30 倍（95% 置信区间 1.15-4.37 倍），且单次尝试成本仅为人类专家的 1/30。