近期事件

Claude Fable 5.1 在 OSWorld-Science 科研智能体基准评测中得分居首

由清华大学研究团队牵头、多所海内外高校与研究机构共同推出的面向真实科研场景的计算机使用智能体评测基准 OSWorld-Science 包含146项专家设计任务，覆盖7大科学领域、14种科研软件配置，共评测12个视觉语言模型；12个模型平均任务得分34.3%，其中 Claude Fable 5.1 以73.7%居首，Claude Opus 5、GPT-6 Astra、GPT-5.6 sol 分别为57.9%、57.4%、50.1%，Gemini 3.1 Pro 为17.2%。