两家机构各自做了一遍测试，得出了同一个结论。Epoch AI 和 Anthropic 独立研究发现，当前这批 AI 模型——包括 GPT-5.6 Sol 和 Claude Fable 5——能跑实验，但缺两样东西：科学的自我批判能力，以及真正的创造性思维。

最能说明问题的是一个数字：15%。这是 Sol 达到的人类参考分数比例。更关键的是，这 15% 也不是模型自己想出来的路子，而是来自研究人员早就知道的方法。

打开网易新闻 查看精彩图片

会做实验，不等于会做研究

把"能跑实验"和"能自主做研究"分开看，差距就清楚了。跑实验是执行层面的活：按流程操作、记录结果、重复验证。这些模型做得来。但研究不止于此，它要求研究者在中途停下来问自己：这个结果是不是有问题？我的方法是不是从一开始就偏了？

模型目前最大的短板，恰恰卡在这一步——无法批判性地质疑自己的结果。它们倾向于把跑出来的东西当成结论，而不是当成待检验的假设。

两家机构，同一个发现

Epoch AI 和 Anthropic 是各自独立完成这项研究的，没有互相参照。两边得出的判断却指向同一处：现有模型距离"自主研究"还有相当距离。这种独立验证的巧合，让结论的分量比单一机构的报告更重一些。

值得注意的是，被点名的两个模型并非边缘产品。GPT-5.6 Sol 和 Claude Fable 5 都是各自阵营里能力靠前的型号。用它们做测试对象，说明问题不是"模型还不够强"，而是能力结构上存在缺口。

缺的不是算力，是怀疑

从这项研究看，制约 AI 自主研究的关键因素，不在执行速度或知识储备，而在自我审视这一环。一个不会怀疑自己的研究者，跑得再快，也只是在既定轨道上重复。真正的创造性思维，往往诞生于对既有方法的质疑之中——而这正是当前模型尚未展现的部分。

15% 这个数字，与其说是能力评分，不如说是一道清晰的天花板标记：模型能触到人类方法的边缘，却还没学会从边缘往外走。