77 分与 25 分的鸿沟：FrontierScience 揭秘 AI 离“诺贝尔奖”还有多远？

【标题】77 分与 25 分的鸿沟：FrontierScience 揭秘 AI 离“诺贝尔奖”还有多远？

导语： 如果你让一个学霸去参加国际物理奥林匹克竞赛（IPhO），他可能拿个金牌；但如果你让他去实验室独立攻克一个前沿的科学难题，他可能连门都摸不到。

在 AI 圈，我们也面临着同样的“考场与战场的撕裂”。OpenAI 最新发布的顶级科学基准 《FrontierScience》 (2026) 给大模型们开出了一份残酷的成绩单。它告诉我们：AI 在做题上已经接近神，但在真正的科学发现面前，它还是个牙牙学语的孩子。

1. 科学的两幅面孔：奥赛与研究

OpenAI 认为，评价一个 AI 是不是真的“懂科学”，得看两件事：

• 奥赛轨 (Olympiad)： 这里的题极其难，涵盖了物理、化学、生物的国际最高水平。这考的是模型的“解题内功”——公式推导、逻辑严密性。
• 研究轨 (Research)： 这才是真正的战场。它要求模型像个博士生一样，根据模糊的线索提出假设、设计实验、分析那些从未见过的数据。

2. 扎心的成绩单：GPT-5.2 的天花板

最顶尖的 GPT-5.2 在这次大考中的表现令人深思：

• 做题家附体： 在奥赛轨，它拿到了 77% 的高分。这意味着大多数人类专家在它面前已经没有任何解题优势了。
• 科研小白： 然而一进入研究轨，它的得分瞬间掉到了 25%。

费曼类比： 这就好比一个学生背下了整本物理书，能瞬间解出最复杂的抛物线方程。但当你把他扔到一个荒岛上，让他利用现有的资源发明日光灯时，他除了背书，什么都不会。这就是 AI 的现状：它拥有顶级的“解题直觉”，但严重缺乏“科学创造力”。

3. 为什么 AI 还没法取代科学家？

论文指出，AI 在真实科研中的三大软肋：

• 假设生成： AI 擅长沿着既定路径跑，但很难跳出框框去想一个反直觉的方案。
• 容错能力： 科学研究充满了失败。AI 习惯了寻找“正确路径”，一旦实验数据不符合逻辑，它往往会产生幻觉来“强行解释”，而不是反思底层的逻辑。
• 长程规划： 一个科学实验可能持续数月。AI 的注意力广度虽然在增加，但对于这种跨时间尺度、多步骤的深度决策，依然力不从心。

智柴点评：

《FrontierScience》的出现，标志着 AI 训练的一个新纪元：从“模仿人类对话”向“解决人类未解之谜”跨越。

虽然 25 分的科研成绩看起来很寒碜，但这恰恰是智能最迷人、最具潜力的无人区。当 AI 能够跨越这 50 分的鸿沟，从“会做题的机器”变成“会思考的同行”时，人类文明的进化速度将被彻底改写。

如果有一天 AI 真的拿到了 100 分的科研成绩，你觉得人类科学家应该去干什么？欢迎在评论区开启终极辩论！

技术坐标： #FrontierScience #OpenAI #科学AI #大模型基准 #智柴深度解读 注：本文基于 OpenAI 2026 年 5 月最新发布的科学评测基准撰写。