每条事实，都有凭据

顶尖AI模型正快速追上那些本应让它们止步的基准测试。一年前,它们在"人类终极考试"(Humanity's Last Exam,一项专为AI设计、对人类专家友好的2700题高难度测试)上的准确率还不到10%。如今准确率已达到 人类终极考试准确率38.3%,高于一年前的不到10%

Epoch AI 的能力指数把前沿模型放在同一把尺子上衡量，并将趋势拐点定在2024年4月，即推理模型与强化学习成为前沿训练主流之时。拐点之前，前沿水平每年提高8.3分；拐点之后， 每年15.5分，速度是此前的1.85倍

Epoch AI测试了三款商用AI检测工具——Pangram、GPTZero、Originality.ai——均固定在其2026年6月的版本。面对简单的机器生成文本,它们几乎能全部识别;但当模型获得某位作者的五段文字样本并被要求模仿其写作风格后, AI检测工具漏检了13%模仿特定作者风格的AI文本,而普通AI文本的漏检率不到1%

Epoch AI对发布当日上下文窗口位列前十的模型拟合趋势线，发现自2023年年中以来，前沿模型的上下文窗口长度每年 提高到上一年的约30倍

前沿模型已经开始大规模发现软件漏洞。Epoch AI统计了微软、谷歌、苹果、思科等21家主要厂商披露的高危与严重级别漏洞，2026年7月的数量是： 2026年7月约2,500个高危及严重漏洞，是2026年4月之前月度纪录的5倍

Epoch AI收集了2010年至2024年5月间发布的重要AI模型的333个算力估算数据,发现处于前沿的模型——即发布时算力排名前十的模型——其训练算力每年都能达到上一年的 5.3倍

Epoch AI在OpenAI反映评分异常后,对旗下数学基准测试FrontierMath进行审查,于2026年6月12日发布v2修订版:原始题目中42%存在计算或表述错误,修正后的题库共保留338道经核实的题目,分布在四个难度级别。 FrontierMath原始题目中42%存在错误

AI能力的进步不只是变强，获得同等能力所需的成本也在急剧下降。Epoch AI对比了在其FrontierMath基准测试上达到同样约27%准确率所需的token数——先是2025年4月的o4-mini，再到2025年12月的GPT-5.2——发现 同样的AI能力，成本约8个月降至三分之一，换算下来大约每年降至原来的十分之一到五分之一

在 2025 年发布的重要 AI 模型中，斯坦福 AI Index 统计 超过 90% 来自产业界

Epoch AI 对 42 个重要语言模型的估算显示，前沿训练成本已从 GPT-3 的约 200 万美元升至 单次训练最高接近 3.9 亿美元

Epoch AI 的 Open Problems 题库收录职业数学家长期未能攻克的研究级数学难题。题库于2026年7月31日扩充至50题，两周后的统计（最新一项AI解答仍标注为暂定）为 4题由AI解出，1题由人类解出，45题仍未解决

Epoch AI的能力指数(ECI)用一把尺子衡量语言模型的综合能力。自2023年3月GPT-4发布后稳居榜首约一年以来,再没有模型能守住第一这么久;第二长的纪录由OpenAI的o1保持,仅 三个多月,不到GPT-4在榜首时间的三分之一

2026 年 1 月至 5 月，Epoch AI 的能力指数显示，最好的开放权重模型落后于闭源前沿模型 平均四个月

规模并非人工智能进步的唯一推手。Epoch AI 测算达到固定语言模型性能水平所需的训练算力，发现这一需求正在快速下降： 预训练算力效率每 7.6 个月翻一番

在 2025 年发布的重要 AI 模型中，斯坦福 AI Index 统计美国有 59 个，中国有 35 个