❯ 开源科研智能体 OpenScience 称科研基准得分超过 Codex，差距来自工作流设计

70 题做对 53 道初创公司 Synthetic Sciences 在 GitHub 项目页公布，其开源科研智能体 OpenScience 在 Terminal-Bench-Science 基准的 70 个任务中完成 53 个，得分 75.7%。按社交媒体转述，在 9 月 23 日的一份榜单镜像中，排名第一的 Codex 搭配 GPT-6 Astra 为 68.1%。成绩为公司自测，完整运行记录已公开，尚未见第三方复现。

从查文献到写报告OpenScience 以 Apache 2.0 许可免费开源，可在桌面、浏览器或命令行中运行，并可接入不同厂商的模型。用户用自然语言描述研究任务，它会检索文献、提出假设、写代码跑实验、分析数据并写成报告，每一步都可以查看。Terminal-Bench-Science 由斯坦福大学和 Laude Institute 主持，题目由生命科学、物理、地球科学等领域的专家编写，考察智能体完成真实科研流程的能力。

同一模型，不同工作流OpenScience 本身跑的也是 GPT-6 Astra 和 Sol 模型，比 Codex 高出的七个多百分点，来自它围绕科研流程设计的工具和步骤。如果第三方复现成立，OpenAI、Anthropic 的通用编程智能体在专业领域就会面临这类垂直工具的直接竞争。

▪ SIGNAL底层模型相同，胜负落在工作流设计上，这对只卖通用助手的公司是个不太舒服的提醒。