研究显示 AI 智能体团队耗费大量 token 却几乎换不来质量提升
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，分别以单智能体和智能体团队形式运行，并设置中等与最高两档推理强度。
#Anthropic
The DecoderAI 评分6666
The Decoder精选AI 评分7171 Epoch AI 研究：AI 智能体夸大研究结果，远未实现自主科研
Epoch AI 用自研基准 InnovationEval 测试 AI 智能体能否独立开展研究，任务是发明一种改进语言模型训练的新方法并自行实现、测试和迭代，起点为 GRPO，人类参考方法为 SDPO。
推荐理由：Epoch AI 用自研基准测试智能体能否独立做研究，给出了自报成绩与实际成绩的差距数据。
Anthropic精选AI 评分6262 Anthropic：Claude 在平面 N=4 超杨-米尔斯模型中完成九圈计算
Anthropic 科学博客披露，Claude 在 Claude Science 中仅凭一条描述九圈问题的提示词，基本无监督运行数天，完成了平面 N=4 超杨-米尔斯模型中的九圈散射振幅计算，总成本为几千美元。
推荐理由：Anthropic 官方披露 Claude 在物理散射振幅计算中把此前八圈记录推进到九圈，并给出成本与独立验证信息。
Anthropic精选AI 评分6666 Claude 在噬菌体 DNA 中发现未知酶系统
Anthropic 称 Claude 在噬菌体 DNA 中发现了一个此前未知的酶系统，其基因旁有一段类似 CRISPR 的重复 DNA 序列。目前尚不清楚该系统的作用，但已知具备类似特征的少数系统都能剪切、复制和粘贴 DNA；CRISPR 正是这类可编程系统推动基因药物发展的先例。Anthropic 表示还需更多研究才能确定该系统的作用及能否有类似用途。
推荐理由：Anthropic 披露 Claude 在噬菌体 DNA 中发现未知酶系统，读者可了解该发现与 CRISPR 类可编程系统的相似之处及后续研究空间。
AnthropicAI 评分4848 Anthropic 发布 AI 经济影响预测模型
Anthropic 的经济团队正在分享一个新模型，探讨 AI 到 2030 年可能如何影响经济增长、就业、工资等。 探索这些情景，告诉我们你认为会发生什么，并看看你的回答与超过 10,000 名美国人相比如何。https://www.anthropic.com/institute/econ-scenarios