spu

116 个任务、4207 场湿实验：新基准给 AI 科研“判卷”，Opus 5.5 和 GPT-6 Astra 都还差得远

UniPat AI 牵头发布 SPU 基准，用未发表的湿实验结果给模型的科研预判打分：允许联网、给 8 小时和一块 H20，最强的模型依然预测不准。