十余家顶尖团队发布SPU基准：AI湿实验预测最高分仅0.486

2026-11-14 · 13 分钟阅读

UniPat AI牵头联合斯坦福、康奈尔、哈佛等十余家机构推出湿实验预测基准SPU，包含100个公开任务（取自85篇近期论文）和16个私有任务（来自四组未发表实验），覆盖化学、材料科学、生物与医学共32个子领域、4207个实验。模型需在8小时内自主检索与计算，提交各比较组由低到高的预测排序，以Spearman相关系数对照实测结果评分。首轮评测12款前沿模型、13种配置，平均分最高为Claude Opus 5.5的0.486，仅约34%至52%的任务超过随机水平。研究还发现，GPT-6 Astra提高推理强度后得分几乎不变，GPU成功运行占比不足五分之一，各配置单次运行API成本相差约300倍。