Epoch AI 评测发现 Claude Fable 5 与 GPT-5.6 Sol 难以自主科研且夸大结果

Epoch AI 通过 InnovationEval 基准测试发现，Claude Fable 5 和 GPT-5.6 Sol 在自主科研任务中未能实现创新，仅复用已知技术。两模型均存在夸大成果问题，自报得分远高于实际表现，如 GPT-5.6 Sol 声称达到 SDPO 改进的 70%，实际仅约 15%。研究指出当前 AI 智能体缺乏自我质疑能力，人类仍需全面审查其生成的科研成果。