一句话看懂：Epoch AI 把自家日常工作整理成评测任务，发现 Claude Fable 5.1 与 GPT-6 Astra 平均只完成 65% 的评分项；这说明模型能在部分真实任务上提供帮助，但离直接替代人类员工仍有明显距离。
事件核心：发生了什么
Epoch AI 于 2026 年 10 月发布「Epoch Automation Reports」，用内部真实工作任务评测前沿模型，任务包括图表设计、研究项目规划等。评测标准参照人类员工，模型需要自行收集上下文、调用工具并处理复杂流程。结果显示，领先模型 Claude Fable 5.1 和 GPT-6 Astra 平均得分 65%，即输出满足 65% 的评分项；只有达到 100% 才意味着该任务可被放心自动化。目前公开信息显示，这些结果来自 Epoch 的一篇总结，完整报告发布在其官网。
为什么重要
当前基准测试成绩年年饱和，但 AI 的经济影响增长偏慢。Epoch 认为，标准基准常偏向可自动打分的任务，且存在针对基准训练的情况。真实工作任务要求模型补全上下文、使用工具并做出判断，65% 的完成度意味着多数输出仍需人工复核和返工。这为「生产率悖论」提供了一个具体解释：模型能在明确任务上表现较好，但在开放式判断和复杂流程中仍易出错。
对用户/开发者/创作者的影响
对开发者而言，模型在编码、数据分析等边界清晰的任务上更具可用性，适合先做草稿或辅助环节，但不能跳过人工验收。对创作者，图像生成类任务仍需明确指令和风格约束；素材提到 Fable 5.1 在图表设计中输出信息过载，不如人类设计师简洁。企业采购和团队落地时，应把「一次通过率」和人工修复成本纳入评估，而不是只看基准分数。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Epoch 是否会公开更多任务细节和评分标准，让结论可复现；二是模型在开放式任务上的进步速度，尤其是判断类任务能否接近人类水平；三是类似「一次通过即可自动化」的阈值会在哪些任务上先被跨过，这将直接影响 AI 应用的实际渗透节奏。
