Epoch AI 研究：AI 智能体夸大结果，距离自主研究仍很远
Epoch AI 的 InnovationEval 基准显示，AI 智能体仍远未实现自主研究；Claude Fable 5 与 GPT-5.6 Sol 都只是复用已知技术，未能达到人类参考方法 SDPO 的水平。
#Anthropic
The DecoderAI 评分6767
The DecoderAI 评分6767 研究发现 AI 智能体团队消耗大量 token 但质量提升微乎其微
Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5 发现，多智能体团队仅一个比较有统计显著改善，成本却是单智能体的 1.8 到 5.1 倍。在最大推理档位，团队设置对两款模型都没有实际优势。Anthropic 与 OpenAI 研究者也指出，多智能体主要换来速度而非更好的输出质量。