State of AI Report · 报告
State of AI Report 2026：研究进展与任务完成率
Progress on a task is different from finishing it
报告指出前沿基准趋近饱和且部分得分高于完整完成率。AI加速研发但科研判断力仍滞后，开源模型研究引用格局变化，评估体系需革新以反映真实能力与局限。
INSIGHTXIV · INSIGHTS
核心 Insight
文章中的关键判断
基准趋顶与部分得分差异
报告分析称数学等基准数月内趋顶，Epoch AI发现多数基准存缺陷。在97个科学工作流中GPT-5.6 Sol单项得分87.9但完整完成率仅20.6%，表明部分得分显著高于任务全完成度。
AI研发提速但判断力不足
Anthropic声明Claude承担26%研发工作，但影子评估显示Opus 4.8独立完成工程后论文获低分，因缺乏创新及发表价值判断。表明AI工程执行进步快于科研决策，自主研究能力尚待验证。
开源模型改变研究引用格局
Zeta Alpha数据显示2024至2026年中国开源模型在arXiv提及量大幅上升，Qwen超越Llama。美国闭源模型仍占42%提及量，论文引用反映研究者选择而非商业收入或通用能力排名。
作者与机构
- Nathan BenaichAir Street Capital · 报告页面作者
Air Street Capital成员，State of AI Report 2026研究进展与任务完成率页面作者
中文摘录
来源核对：2026-10-13部分基准测试分数可能大幅超过完整任务成功率。
页面讨论了 97 个科学工作流中的 87.9/100 分项得分与 20.6% 完成率。该结果不能外推到所有企业任务。