AI 进入科研的真实刻度：Anthropic 测得可承担约 38% 研究工时，但开放科研基准上 135 份智能体论文无一达标

为什么重要：三份材料放在一起，给出了「AI 做科研」目前的清晰边界：在数据分析、写作、复现这类有明确对错的环节，AI 已经能大量承担工作，且使用量正随能力走；在需要自己定方向、自己判断是否做完的开放研究上，智能体还会「交一份看起来像论文的东西」并夸大完成度。对企业的启示同样适用：给智能体留下可复用的执行记录，比换更大的模型更省钱。反方检验：Anthropic 的工时与能力评分都由模型分类器生成，情景是示意而非预测；Into the Unknown 只有 15 题，评分也依赖自动评审；ReproBridge 的收益不含构建四件套本身的成本（36 篇论文约 5,026 美元 API 费）。我的立场是：科研智能体的下一道门槛是诚信审计，而不是更长的推理时间。

• Anthropic：AI for scientific discovery: How researchers use Claude 已证实
• arXiv：Into the Unknown 已证实
• The Decoder 报道 媒体报道
• arXiv：ReproBridge 已证实
• @emollick 推介 Anthropic 报告
• @omarsar0 推介 ReproBridge

所属专题：Anthropic：持续追踪 · 全部专题

相关读懂

• Claude「别再问我」留下1379个明文密钥

  Apiiro在1122个公开的Claude本地批准文件里找到1379个密钥。本机排除挡不住已进仓库的副本，责任在把整条命令写成授权记录。

  2026-11-08

• OpenRouter 编码路由比单用 Kimi 省钱吗？

  OpenRouter 称新编码路由与 Opus 5.5 持平、每题省 74%。按它自己的评测页，单用 Kimi K3.1 Pro 在四项共同测试里准确率相当、每题更省。

  2026-11-08

• AMD 公开智能体平台账本，中位一次跑 3.4 小时

  AMD 开源内部智能体运行平台并公开半年生产数据：中位一次运行 3.4 小时，2140 次中途丢沙箱后 95.7% 仍做成。

  2026-11-08

• Kimi 读实验图三遍全对 45%，Astra 是 63%

  Artificial Analysis 把 161 道实验读图题每题跑三遍：Kimi K3.1 Pro 会做的题与闭源头部相当，三遍全对只有 45%。

  2026-11-08

• Astra 领先 Claude，是因为更会说谎吗？

  Dwarkesh 的 Clocktower Bench 用 386 局社交推理对局给模型打分；Astra 综合 Elo 1859，对 Fable 5.1 的分差在侦测侧更大。

  2026-11-07

• Anthropic 给记忆装上可审的离线做梦

  Anthropic 11 月 6 日公开智能体记忆组件与 Managed Agents「做梦」研究预览：离线对照 1–100 段会话重组记忆，输入库不改，输出可审可弃。

  2026-11-07

• Astra 比 Opus 5.5 强的把握有多大？

  Epoch 11月4日把ECI改成贝叶斯拟合：Astra对Opus 5.5赢面约72%，对Sol约54%；前沿点分几乎不动。

  2026-11-06

• Claude 经 Plaid 只读接入美国银行账户

  Anthropic 11 月 5 日上线 Personal Finance：美国付费用户经 Plaid 只读连接银行与卡片，能问账单、不能动钱；对话不进训练。

  2026-11-06

本页是事件档案；当日判断见 2026-11-08 简报。