Epoch AI 推出基准审查计划

我们正在对FrontierMath的Tiers 1-4进行AI辅助审查。 这已标记出约三分之一题目存在致命错误， 且我们相信大多数标记是有效的。 在完成全面人工审核后， 我们将在修正的数据集上发布更新后的分数。

GPT-6 Astra 领跑 Epoch Capabilities Index（ECI），领先 Claude Fable 5.1 等竞争模型，其 Math-ECI 也创下新纪录。不过在软件工程基准上，Fable 5.1 仍是 SOTA。

我们正在扩展 AI 数据中心研究，以提供更全面的全球 AI 基础设施图谱。我们的数据现已覆盖全球约 44% 的 AI 算力，且覆盖范围正在快速增长。

根据我们的民调结果，越来越多美国成年人几乎每天都在使用 AI。 2026 年 3 月至 8 月期间，报告过去一周至少 6 天使用 AI 的美国成年人占比翻了一倍多，从 8% 升至 19%。 同一时期，报告过去一周仅 1 天使用 AI 的美国成年人占比从 17% 降至 10%。

Epoch AI 测量显示，OpenAI 新发布的 GPT-6 Astra 在超过 272k 输入 token 后 API 定价上涨，延迟曲线与 GPT-5.6 相似。此前其研究已发现 GPT-5.6 与 Claude 5 的长上下文 TTFT 扩展方式不同：GPT 呈明显二次方增长，Claude 接近线性，对应两者不同的长上下文定价结构。

Epoch AI 实测 GPT-6 Astra 创下 ECI 新纪录 169 分，高于此前最佳 163 分，但仍在其对推理时代 ECI 趋势的不确定性范围内。Astra 还在 Epoch 的数学、持续学习和游戏谜题基准上创下新纪录，在长程编码基准 MirrorCode 上排名介于 Opus 4.7 和 Fable 5 之间；测试基于 OpenAI 提供的预发布访问权限。

Epoch AI 统计发现，自推理模型推出以来，Epoch Capabilities Index （ECI） 前沿以每年 14 点的速度推进，而非推理时代为每年 6 点。图表显示推理模型时代拟合 adj. R2 为 0.98，90% 置信区间为 12-17；非推理时代为 90% CI 3-8，adj. R2 0.76。

人类会随着经验而进步。AI？则不然。我们在Earthborne Rangers上运行了一个人类基线--这是我们EBR-bench基准背后的复杂、长周期桌游。人类起初表现不佳，但最优秀的玩家在5次游戏后掌握了这款游戏。而我们评估过的所有AI都从未达到这一水平。

我们发现，美国GDP统计遗漏了英伟达为美国经济增加的大部分价值。 因此，过去一年GDP增长被低估了约0.3个百分点。

Anthropic 发布研究，让 Claude 在不到四周内优化了 30 多个开源生物分子模型，平均提速约 4 倍，输出完全一致时约 2 倍。