SecondSource從一手資料重建判斷

Mollick 統計:173 個 AI 基準 63% 最高分過 85 分,只算第三方分數剩 24%

概念插圖:右側一隻大手橫握著一支手機,螢幕上一排物件立在同一條底線上:最左是一台打開的筆電,螢幕上有一個畫著灰色線條的對話泡泡;接著是一疊很高的白色板塊,再來是一疊矮得多的紅色板塊;最右是一個長黑髮、穿黑衣、頸掛識別證的人,手拿一塊夾著橫線紙的寫字板。上方有一個寫著 SATBENCH 的長方形標籤,一條細線從標籤往下連到白色那疊頂端右側的一個小黑點。 圖上印著:63% vs 24% 最佳已報告分數過 85 分的基準占比,前者含實驗室自報,後者只算第三方,Mollick 統計。

華頓商學院教授 Ethan Mollick 11 月 14 日公開 SatBench,統計各家 AI 實驗室 2023 年以來在發表文裡引用的 173 個基準測試(SatBench,2026-11-14)。多數基準第一次達到 85 分是在實驗室自家的發表文裡,第三方跑出的分數達標比例只有 24%。

SatBench 把「最佳已報告的 AI 分數達 85%」算成已飽和,173 個基準裡有 109 個達標,占 63%;Mollick 在 X 上講的也是這個數(Ethan Mollick,2026-11-14)。

換成只算第三方獨立跑出的分數,達標比例是 24%。SatBench 的說明文件寫,四分之三的基準第一次跨過 85%,是在實驗室自家的發表文裡。說明文件也寫,自報分數混了不同的外框、工具使用與多次取最佳。外框是包在模型外面、負責餵題與接工具的那層程式。

新基準被刷到 85 分以上的速度在加快。發布後一年內達標的比例,2023 年發布的基準是 17%,2024 年是 30%,2025 年是 43%。2025 年發布的基準有一部分到今天還不滿一年,這一批的比例還沒算完。

還不能當真: 85 分門檻與進榜條件都是 Mollick 自訂 怎麼查的 →

接下來看有沒有人拿同一份公開資料換門檻、或只取獨立分數重算,以及實驗室下一輪模型發表文引用的基準裡,2026 年新出的占多少。

出處與查證

這則刊在2026年11月15日的晨報,同一期還有 9 則。查證經過、引句核對與當天缺的資料,記在那一期的本日驗證。

引用這則

SecondSource(2026),〈Mollick 統計:173 個 AI 基準 63% 最高分過 85 分,只算第三方分數剩 24%〉,https://secondsource.io/news/2026-11-15-2/,取用日期取用。