Epoch 用真实工作任务评测 AI：领先模型平均得分 65%，尚不能自动化其日常工作

Epoch AI 介绍其 Epoch Automation Reports，将图形设计、研究项目规划等日常工作交给 AI，按对人类员工的评分标准评估。领先的 Claude Fable 5.1 和 GPT-6 Astra 平均得分 65%，即达到人类标准中 65% 的评分项，仍算任务失败。