AI 能力评测正在从标准化题库转向更贴近实际工作的场景。Epoch AI 近日发布 Epoch Automation Reports，尝试以机构内部真实任务作为评测对象，衡量前沿模型在职场环境中的可用程度。

该评测选取的任务包括图表设计与研究规划等日常业务内容，并采用与人类员工一致的评估标准进行打分。换言之，模型需要完成的是机构内部实际交付的工作，而非专门设计的测试题目。

结果显示，当前领先的 Claude Fable 5.1 与 GPT-6 Astra 平均得分为 65%。这一数字尚未触及 100% 的可自动化门槛，意味着在上述任务中，模型仍无法完全替代人类员工独立完成交付。

Epoch AI 将 100% 设定为可自动化门槛，为判断模型能否接管特定岗位工作提供了量化参照。65% 的平均成绩表明，前沿模型在真实工作流中已具备一定完成度，但距离全自动执行仍有明显差距。