最新物理基准测试“CritPt”显示，顶尖AI模型如Gemini3Pro和GPT-5距离成为自主科学家仍有巨大差距。该测试由全球50多位物理学家开发，重点考核博士级科研实战能力，而非单纯知识记忆，突显AI在创造性研究中的局限性。
FutureHouse推出AI科研系统Kosmos，12小时可处理1500篇论文、生成4.2万行代码，产出相当于人类团队半年工作量。系统基于结构化世界模型，在超千万token中保持逻辑连贯，已在神经科学等领域完成7项发现，含4项首次报道。其自主循环架构实现文献检索、知识图谱更新与规划迭代。
西湖大学推出AI科学家DeepScientist，两周完成人类三年科研量，自主产生5000个科学想法并验证1100个，在三个前沿AI任务中打破人类纪录，展现强大独立科研能力，超越传统辅助工具局限。
OpenAI下一代大语言模型GPT-5预计2025年8月或更晚发布，参数规模或达3-50万亿，采用混合专家模型架构。核心亮点包括：增强多模态处理能力（文本/图像/语音/视频）、支持500万token上下文窗口、降低"幻觉"率至10%以下、引入自主AI代理功能。将显著提升编程、科研和商业领域效率，但面临高昂训练成本（超5亿美元）、伦理安全及行业竞争等挑战。开发者社区对其编程能力提升尤为期待。
Anthropic
$21
Input tokens/M
$105
Output tokens/M
200
Context Length
Alibaba
$54
$163
1k
-
32
Chatglm
$8
$16
128
Xai
256
$525
$2
Openai
$420
Iflytek
8
Moonshot
$1
131
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
