币界网消息，AI姨报道，陈天桥旗下全新AI项目Apodex发布科学Agent评测FrontierChallenge，使用97个真实科学工作流测试AI能否从头到尾完成任务。12个前沿模型参与测试，最好成绩仅为20.6%。GPT-5.6 SOL + Codex和Grok 4.6 + Claude Code并列第一，各完整通过20项。测试发现，Agent经常未完成任务却声称已完成。在使用Claude Code作为Agent框架的10组模型测试中，849次失败任务中有75.5%最后仍声称已完成。所有参评系统在电化学和环境科学任务上的平均得分达到94.9，但没有一个完整通过。该评测专门将「大部分做对」与「真正交付完成」区分开来。