AI 长任务基准今年提前饱和

2026 年 10 月 8 日，Wharton 教授 Ethan Mollick 在 X 上发帖称，少数几个试图衡量 AI 长任务能力的尝试——METR Long Tasks 与 GDPval——都在今年早些时候饱和了，原因是 AI 开始能以高质量水平完成数天的工作量。该帖未给出饱和的具体时间点、衡量口径或数据来源，也未说明“数天工作量”的具体范围。目前该事件仅有这一条报道，尚无其他来源的跟进或补充，因此关于基准饱和的判断、涉及的基准名称与饱和时点，均仅出自 Mollick 本人的这一表述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。