{"@context": "https://schema.org", "@type": "AnalysisNewsArticle", "inLanguage": "zh-CN", "identifier": "ai-research-20260911-0014-1194", "headline": "基础模型与Agent的应用评估：任务做到哪一步，成本由谁承担", "description": "OpenAI介绍了实验室使用Codex与ChatGPT搜索抗菌候选分子的案例。这个具体环节，也为评估办公AI、设备Agent以及不同部署路线提供了一个起点：区分生成结果、验证结果和执行操作。[S6]", "abstract": "OpenAI的案例摘要称，César de la Fuente实验室使用Codex与ChatGPT，从现生及已灭绝生物的基因组中搜索抗菌候选分子；摘要没有给出药效、研发提速或成本结果。[S6] 这一案例可以帮助拆解AI任务，却不能代表全球产业已发生统一转向。本文沿用任务终点、行动权限、结果验证和总成本四个维度，将模型公告、办公功能报道、设备接口预览和云财务标题作为不同议题的入口，而不把它们当作效果已经得到验证的部署案例。[S1][S3][S5][S9] 对中国与开源路线，讨论重点是如何比较控制权和工程责任，不作性能或市场地位排名。", "datePublished": "2026-09-11T00:14:01+00:00", "dateModified": "2026-09-11T00:14:40+00:00", "author": {"@type": "Person", "name": "Aperture 研究编辑部", "jobTitle": "比较技术与产业研究 · Research Coder"}, "about": ["基础模型", "AI Agent", "科研AI", "任务验收", "权限治理", "开源生态", "中国AI", "云基础设施"], "category": "AI 行业动向", "authorityScore": 80, "claims": [{"text": "OpenAI在2026年9月10日发布的案例摘要中介绍，César de la Fuente实验室使用Codex与ChatGPT，搜索现生及已灭绝生物的基因组，寻找抗菌候选分子。[S6] 这里最值得抓住的不是一个笼统的“科研能力”标签，而是明确的任务位置：工具被用于候选搜索，摘要并没有把这一环节写成已经得到有效药物。", "section": "先问任务做到哪一步，再问模型有多强"}, {"text": "围绕基础模型与Agent，还可以看到编程和知识工作、聊天内图表与报告、设备接口及云收入等不同主题的公告列表或报道标题。[S1][S5][S9][S3] 它们适合用来提出问题，却不能与具体应用摘要放在同一层级上比较，更不能串成一条产业已经整体转向的时间线。", "section": "先问任务做到哪一步，再问模型有多强"}, {"text": "本文采用四把尺子：任务终点是什么，系统能操作什么，结果由谁验证，完成一个合格任务需要多少总成本。这里的Agent，指能够围绕目标调用工具、推进任务的AI系统，是便于讨论的工作定义；产品带有AI功能，并不自动意味着它可以自主执行任务。", "section": "先问任务做到哪一步，再问模型有多强"}, {"text": "下文保留不同来源的层次：应用摘要用于说明案例中的使用环节，标题和公告列表用于交代讨论入口。涉及实际性能、安全效果、财务结果与部署收益时，不用标题替代测量，也不把厂商自述当作独立效果验证。", "section": "先问任务做到哪一步，再问模型有多强"}, {"text": "把这些记录放在一起，价值不在于选出一个赢家，而在于防止比较错位。能力描述应接受任务测试，应用案例应追问验收结果，接口方案应检查执行约束，财务分析则需要明确统计口径。", "section": "模型、应用与云业务，要回答不同的问题"}, {"text": "OpenAI案例介绍的是搜索抗菌候选分子，而非交付已经验证的治疗方案。[S6] 因此，评估这个案例时可以问“工具参与了哪个环节”，却不能直接回答“最终科研成果改善了多少”。使用发生在哪一步，与使用是否产生净收益，是两个问题。", "section": "科研与办公的差别，首先在验收方式"}, {"text": "可以把这一任务与一种假设的办公流程比较：如果AI在聊天中生成图表或报告，使用者需要核对数据、图表逻辑和文字结论；如果AI提出科研候选对象，使用者则需要说明候选对象怎样进入后续验证。Slack报道标题提供了前一种流程的讨论入口，但并不证明该产品已经具备何种数据接入、核验或自主执行能力。[S5]", "section": "科研与办公的差别，首先在验收方式"}, {"text": "如果一个产物能够用明确、低成本的检查方法验收，团队就可能更快获得反馈；如果它只是研究流程中的中间候选，价值判断就需要跟随后续验证。这是对任务结构的推演，不是办公AI比科研AI更成熟的结论。", "section": "科研与办公的差别，首先在验收方式"}, {"text": "采购和评估也应随之改变。对办公方案，可以计入人工核对和修改后，再看是否省时；对科研方案，可以追踪候选对象的后续表现，并比较相同资源下的搜索结果。只比较生成速度，可能忽略用户承担的验证成本。", "section": "科研与办公的差别，首先在验收方式"}, {"text": "反例同样重要。如果科研团队能建立快速、低成本的验证流程，候选搜索也可能获得短反馈；如果报告所用数据不可靠，生成得更快未必有价值。决定如何验收的，应是具体任务，而不是“科研”或“办公”的名称。", "section": "科研与办公的差别，首先在验收方式"}, {"text": "Anthropic的设备接口公告列表提出了Agent操作物理设备这一议题。[S9] 对这类方案，有必要把“能够发出操作指令”和“能够在授权范围内安全完成操作”分开；公告的目标描述本身不能回答后一个问题。", "section": "从生成内容到执行动作，权限需要单独评估"}, {"text": "如果AI系统获得了外部设备或计算机工具的操作权限，评估就应增加一组具体问题：哪些资源可以访问，哪些动作必须请求批准，失败后怎样停止，操作记录能否还原过程。这些是建议检查的项目，不是对Model Hardware Standard已有功能的断言。", "section": "从生成内容到执行动作，权限需要单独评估"}, {"text": "恶意使用与系统越权也应分别讨论。Anthropic的两则安全公告列表分别触及这两类问题。[S7][S8] 但仅凭摘录，不宜展开处置时间范围、事件数量或效果，也不能将审查计划写成已完成的独立验证。", "section": "从生成内容到执行动作，权限需要单独评估"}, {"text": "在部署分析中，可以提出一个条件性判断：如果企业只检查模型回答，却没有审查工具权限，就可能漏掉执行环节的风险；如果只限制访问范围，却不检查输出质量，也可能得到权限合规但结果错误的任务产物。因此，权限控制、使用者管理和结果验证适合分项评估，而不是用一个“安全”标签替代。", "section": "从生成内容到执行动作，权限需要单独评估"}, {"text": "共享接口若能减少重复集成，可能带来工程便利；但是否降低成本，需要实际集成数据，是否改善安全，需要执行测试。接口统一与权限安全之间不能直接画等号，也不能根据公告数量比较厂商风险。", "section": "从生成内容到执行动作，权限需要单独评估"}, {"text": "CNBC有关Oracle的标题同时涉及云基础设施收入、业绩和股价。[S3] 财务分析若要继续向前，需要对应财季、收入定义、同比或环比口径，以及相关业务的构成。本文不采用标题中的增长幅度，也不由此确认Agent需求已经转化为收入。", "section": "云收入与Agent价值之间，还需要工作负载和成本数据"}, {"text": "即使后续财务数据确认云收入增长，归因仍是另一道题。如果增长来自其他云服务、训练任务或客户组合变化，就不能全部算到Agent头上；只有能够对应到具体工作负载的收入与用量，才有助于判断Agent贡献。这些是需要检验的解释，不是对Oracle收入来源的判断。", "section": "云收入与Agent价值之间，还需要工作负载和成本数据"}, {"text": "应用案例也存在类似的归因问题。OpenAI摘要支持实验室使用相关工具搜索候选分子，但没有把研究人员经验、数据选择和工作流程的作用分离出来。[S6] 同样，假如聊天内生成减少了操作切换，体验变化也可能来自工作入口，而不只是底层模型能力；Slack标题本身不能测量这些因素的贡献。[S5]", "section": "云收入与Agent价值之间，还需要工作负载和成本数据"}, {"text": "因此，可以用“每个通过验收的任务花了多少钱”来评估云端AI方案，并计入调用、重试、人工复核和运行管理。如果单次调用降价，却伴随更多重试或复核，完成任务的总成本未必下降；如果云服务商收入增加，也仍需另行测量用户获得的净收益。", "section": "云收入与Agent价值之间，还需要工作负载和成本数据"}, {"text": "对于中国基础模型和开源生态，这组案例不足以形成性能、采用规模或市场地位的比较。它们在样本中没有得到同等覆盖，不意味着相应路线落后；本文也不据此描述中外产业的整体差距。", "section": "中国与开源路线，比较控制权也要比较工程责任"}, {"text": "可以沿用的，是任务层面的提问方式。讨论开放模型时，应分别查看代码、权重和许可证允许什么，而不是只看“开源”名称。讨论中国部署方案时，可以检查数据放在哪里、工具访问由谁授权、日志由谁保管，以及底层系统能否替换。这些都是待比较的变量，不是对地区制度或厂商实践的概括。", "section": "中国与开源路线，比较控制权也要比较工程责任"}, {"text": "如果某种模型路线允许部署方修改并自行运行系统，它可能提供更多配置和管理空间；但能否转化为有效控制，还取决于部署团队的能力。集成、评测、更新和安全维护所需的人力，也应计入总成本。", "section": "中国与开源路线，比较控制权也要比较工程责任"}, {"text": "反过来，如果托管服务能够以更低总成本完成同样的任务，并满足数据、访问和审计要求，自行部署就未必更合算。这里没有开放或封闭的预设赢家，只有在相同验收标准下对控制权、责任和费用的比较。", "section": "中国与开源路线，比较控制权也要比较工程责任"}, {"text": "接口开放也不等于模型开放。Anthropic公告列表中的共享设备规范议题，可以提示人们单独考察接口层，但不能用来说明模型权重或许可证开放，更不能推导出跨厂商生态已经形成。[S9]", "section": "中国与开源路线，比较控制权也要比较工程责任"}, {"text": "抗菌候选搜索案例提供了一个具体起点：AI工具可以参与科研搜索环节，但摘要并没有回答最终有效性、速度或经济回报。[S6] 其他模型、办公、设备和云业务记录带来了不同问题，不足以拼成全球AI产业已完成某种转向的结论。[S1][S5][S9][S3]", "section": "下一步看通过验收的任务，而不只看发布频率"}, {"text": "更有用的下一步，是在相同任务和验收标准下，比较完成率、人工介入时间、失败后的恢复成本与总费用。科研任务可以追踪候选对象的后续验证；设备Agent可以检查授权范围内的执行和恢复表现；云方案则可以连接具体工作负载、成本与用户收益。这些是后续检验指标，不是已有成绩。", "section": "下一步看通过验收的任务，而不只看发布频率"}, {"text": "如果模型能力相近的方案出现效果差距，还需要控制任务组合、数据质量、人员经验和计算资源等因素。只有在这些条件可比、差异可重复，且更有针对性的测试支持相关机制时，才能加强权限设计、验证流程或工作入口影响结果的解释。", "section": "下一步看通过验收的任务，而不只看发布频率"}, {"text": "反过来，如果模型升级在不同任务中持续改善净收益，而额外的权限、验证和集成投入没有带来明显差异，就应降低对这些环节相对作用的判断。这样的比较才有机会把中外厂商、开放模型与托管服务放进同一张结果表：不先问哪条路线领先，而先问它在什么条件下完成了什么任务。", "section": "下一步看通过验收的任务，而不只看发布频率"}], "sections": [{"type": "lead", "heading": "先问任务做到哪一步，再问模型有多强", "paragraphs": ["OpenAI在2026年9月10日发布的案例摘要中介绍，César de la Fuente实验室使用Codex与ChatGPT，搜索现生及已灭绝生物的基因组，寻找抗菌候选分子。[S6] 这里最值得抓住的不是一个笼统的“科研能力”标签，而是明确的任务位置：工具被用于候选搜索，摘要并没有把这一环节写成已经得到有效药物。", "围绕基础模型与Agent，还可以看到编程和知识工作、聊天内图表与报告、设备接口及云收入等不同主题的公告列表或报道标题。[S1][S5][S9][S3] 它们适合用来提出问题，却不能与具体应用摘要放在同一层级上比较，更不能串成一条产业已经整体转向的时间线。", "本文采用四把尺子：任务终点是什么，系统能操作什么，结果由谁验证，完成一个合格任务需要多少总成本。这里的Agent，指能够围绕目标调用工具、推进任务的AI系统，是便于讨论的工作定义；产品带有AI功能，并不自动意味着它可以自主执行任务。", "下文保留不同来源的层次：应用摘要用于说明案例中的使用环节，标题和公告列表用于交代讨论入口。涉及实际性能、安全效果、财务结果与部署收益时，不用标题替代测量，也不把厂商自述当作独立效果验证。"]}, {"type": "evidence", "heading": "模型、应用与云业务，要回答不同的问题", "paragraphs": ["把这些记录放在一起，价值不在于选出一个赢家，而在于防止比较错位。能力描述应接受任务测试，应用案例应追问验收结果，接口方案应检查执行约束，财务分析则需要明确统计口径。"], "headers": ["讨论入口", "来源中的信息层级", "值得追问的问题", "本文的使用方式"], "rows": [["Anthropic模型公告", "公告列表以编程、知识工作和科研描述模型能力。[S1]", "具体任务上的成功率、错误类型和成本如何？", "仅保留为能力定位，不据此认定实际能力或相对性能。"], ["OpenAI科研应用案例", "案例摘要介绍实验室使用Codex与ChatGPT搜索基因组中的抗菌候选分子。[S6]", "候选对象如何验证，工具在哪一步提供帮助？", "用于分析候选搜索环节，不延伸为药效、提速或规模化效果。"], ["Slack功能报道", "The Verge标题谈到在聊天中生成交互图表与报告。[S5]", "若这一工作方式可用，数据核对和修改要花多少时间？", "作为办公场景的讨论入口，后文不假定具体功能和使用收益已经核实。"], ["Anthropic设备接口公告", "公告列表将Model Hardware Standard描述为面向首批科研实验室和先进制造商的共享规范研究预览，目标涉及Agent安全操作物理设备。[S9]", "设备操作如何授权、停止和留痕？", "仅讨论这类方案应如何评估，不认定其功能已经实现、安全目标已经达成或行业标准已经形成。"], ["Anthropic安全公告", "两则列表摘录分别涉及恶意使用处置，以及未经授权访问系统和计划开展独立审查。[S7][S8]", "如何区分用户滥用与系统越权？", "用于区分风险类型，不据此统计事件、确认处置效果或排列厂商安全水平。"], ["Oracle财报报道", "CNBC标题提到云基础设施收入增长、业绩超预期和股价变化。[S3]", "对应哪个财季、采用什么比较口径，收入由哪些工作负载贡献？", "仅作为财务分析入口，不采用标题中的增幅或市场表现作为已确认结果。"]]}, {"type": "analysis", "heading": "科研与办公的差别，首先在验收方式", "paragraphs": ["OpenAI案例介绍的是搜索抗菌候选分子，而非交付已经验证的治疗方案。[S6] 因此，评估这个案例时可以问“工具参与了哪个环节”，却不能直接回答“最终科研成果改善了多少”。使用发生在哪一步，与使用是否产生净收益，是两个问题。", "可以把这一任务与一种假设的办公流程比较：如果AI在聊天中生成图表或报告，使用者需要核对数据、图表逻辑和文字结论；如果AI提出科研候选对象，使用者则需要说明候选对象怎样进入后续验证。Slack报道标题提供了前一种流程的讨论入口，但并不证明该产品已经具备何种数据接入、核验或自主执行能力。[S5]", "如果一个产物能够用明确、低成本的检查方法验收，团队就可能更快获得反馈；如果它只是研究流程中的中间候选，价值判断就需要跟随后续验证。这是对任务结构的推演，不是办公AI比科研AI更成熟的结论。", "采购和评估也应随之改变。对办公方案，可以计入人工核对和修改后，再看是否省时；对科研方案，可以追踪候选对象的后续表现，并比较相同资源下的搜索结果。只比较生成速度，可能忽略用户承担的验证成本。", "反例同样重要。如果科研团队能建立快速、低成本的验证流程，候选搜索也可能获得短反馈；如果报告所用数据不可靠，生成得更快未必有价值。决定如何验收的，应是具体任务，而不是“科研”或“办公”的名称。"]}, {"type": "mechanism", "heading": "从生成内容到执行动作，权限需要单独评估", "paragraphs": ["Anthropic的设备接口公告列表提出了Agent操作物理设备这一议题。[S9] 对这类方案，有必要把“能够发出操作指令”和“能够在授权范围内安全完成操作”分开；公告的目标描述本身不能回答后一个问题。", "如果AI系统获得了外部设备或计算机工具的操作权限，评估就应增加一组具体问题：哪些资源可以访问，哪些动作必须请求批准，失败后怎样停止，操作记录能否还原过程。这些是建议检查的项目，不是对Model Hardware Standard已有功能的断言。", "恶意使用与系统越权也应分别讨论。Anthropic的两则安全公告列表分别触及这两类问题。[S7][S8] 但仅凭摘录，不宜展开处置时间范围、事件数量或效果，也不能将审查计划写成已完成的独立验证。", "在部署分析中，可以提出一个条件性判断：如果企业只检查模型回答，却没有审查工具权限，就可能漏掉执行环节的风险；如果只限制访问范围，却不检查输出质量，也可能得到权限合规但结果错误的任务产物。因此，权限控制、使用者管理和结果验证适合分项评估，而不是用一个“安全”标签替代。", "共享接口若能减少重复集成，可能带来工程便利；但是否降低成本，需要实际集成数据，是否改善安全，需要执行测试。接口统一与权限安全之间不能直接画等号，也不能根据公告数量比较厂商风险。"]}, {"type": "counterargument", "heading": "云收入与Agent价值之间，还需要工作负载和成本数据", "paragraphs": ["CNBC有关Oracle的标题同时涉及云基础设施收入、业绩和股价。[S3] 财务分析若要继续向前，需要对应财季、收入定义、同比或环比口径，以及相关业务的构成。本文不采用标题中的增长幅度，也不由此确认Agent需求已经转化为收入。", "即使后续财务数据确认云收入增长，归因仍是另一道题。如果增长来自其他云服务、训练任务或客户组合变化，就不能全部算到Agent头上；只有能够对应到具体工作负载的收入与用量，才有助于判断Agent贡献。这些是需要检验的解释，不是对Oracle收入来源的判断。", "应用案例也存在类似的归因问题。OpenAI摘要支持实验室使用相关工具搜索候选分子，但没有把研究人员经验、数据选择和工作流程的作用分离出来。[S6] 同样，假如聊天内生成减少了操作切换，体验变化也可能来自工作入口，而不只是底层模型能力；Slack标题本身不能测量这些因素的贡献。[S5]", "因此，可以用“每个通过验收的任务花了多少钱”来评估云端AI方案，并计入调用、重试、人工复核和运行管理。如果单次调用降价，却伴随更多重试或复核，完成任务的总成本未必下降；如果云服务商收入增加，也仍需另行测量用户获得的净收益。"]}, {"type": "scenario", "heading": "中国与开源路线，比较控制权也要比较工程责任", "paragraphs": ["对于中国基础模型和开源生态，这组案例不足以形成性能、采用规模或市场地位的比较。它们在样本中没有得到同等覆盖，不意味着相应路线落后；本文也不据此描述中外产业的整体差距。", "可以沿用的，是任务层面的提问方式。讨论开放模型时，应分别查看代码、权重和许可证允许什么，而不是只看“开源”名称。讨论中国部署方案时，可以检查数据放在哪里、工具访问由谁授权、日志由谁保管，以及底层系统能否替换。这些都是待比较的变量，不是对地区制度或厂商实践的概括。", "如果某种模型路线允许部署方修改并自行运行系统，它可能提供更多配置和管理空间；但能否转化为有效控制，还取决于部署团队的能力。集成、评测、更新和安全维护所需的人力，也应计入总成本。", "反过来，如果托管服务能够以更低总成本完成同样的任务，并满足数据、访问和审计要求，自行部署就未必更合算。这里没有开放或封闭的预设赢家，只有在相同验收标准下对控制权、责任和费用的比较。", "接口开放也不等于模型开放。Anthropic公告列表中的共享设备规范议题，可以提示人们单独考察接口层，但不能用来说明模型权重或许可证开放，更不能推导出跨厂商生态已经形成。[S9]"]}, {"type": "outlook", "heading": "下一步看通过验收的任务，而不只看发布频率", "paragraphs": ["抗菌候选搜索案例提供了一个具体起点：AI工具可以参与科研搜索环节，但摘要并没有回答最终有效性、速度或经济回报。[S6] 其他模型、办公、设备和云业务记录带来了不同问题，不足以拼成全球AI产业已完成某种转向的结论。[S1][S5][S9][S3]", "更有用的下一步，是在相同任务和验收标准下，比较完成率、人工介入时间、失败后的恢复成本与总费用。科研任务可以追踪候选对象的后续验证；设备Agent可以检查授权范围内的执行和恢复表现；云方案则可以连接具体工作负载、成本与用户收益。这些是后续检验指标，不是已有成绩。", "如果模型能力相近的方案出现效果差距，还需要控制任务组合、数据质量、人员经验和计算资源等因素。只有在这些条件可比、差异可重复，且更有针对性的测试支持相关机制时，才能加强权限设计、验证流程或工作入口影响结果的解释。", "反过来，如果模型升级在不同任务中持续改善净收益，而额外的权限、验证和集成投入没有带来明显差异，就应降低对这些环节相对作用的判断。这样的比较才有机会把中外厂商、开放模型与托管服务放进同一张结果表：不先问哪条路线领先，而先问它在什么条件下完成了什么任务。"]}], "citations": [{"publisher": "Anthropic", "title": "AnnouncementsSep 1, 2026Our most advanced models for coding and knowledge work. Their research capabilities also offer an early glimpse of how AI models will contribute to scientific progress.", "url": "https://www.anthropic.com/claude-fable-and-mythos-5-1", "published_at": "2026-09-11", "source_type": "publisher-article"}, {"publisher": "arXiv", "title": "Likelihood-free inference with nuisance parameters through normalizing flows", "url": "https://export.arxiv.org/abs/2609.10534v1", "published_at": "2026-09-09T17:58:15Z", "source_type": "research-paper"}, {"publisher": "CNBC", "title": "Oracle's stock edges up on earnings beat as cloud infrastructure revenue more than doubles", "url": "https://www.cnbc.com/2026/09/10/oracle-orcl-q1-earnings-report-2027.html", "published_at": "2026-09-11", "source_type": "news-article"}, {"publisher": "TechCrunch", "title": "Save up to $300 on Disrupt", "url": "https://techcrunch.com/events/techcrunch-disrupt/tickets/?utm_source=tc&utm_medium=ad&utm_campaign=disrupt2026&utm_content=rb&promo=topbanner_rbend", "published_at": "2026-09-11", "source_type": "news-article"}, {"publisher": "The Verge", "title": "Slack can now vibe-code interactive charts and reports inside chats", "url": "https://www.theverge.com/tech/989853/slackforce-surfaces-launch", "published_at": "2026-09-11", "source_type": "news-article"}, {"publisher": "OpenAI", "title": "How a researcher uses Codex and ChatGPT to search for new antimicrobial molecules", "url": "https://openai.com/index/using-codex-chatgpt-to-search-for-new-antimicrobials", "published_at": "2026-09-10T16:00:00Z", "source_type": "publisher-article"}, {"publisher": "Anthropic", "title": "AnnouncementsSep 10, 2026Detecting and countering misuse of AI: September 2026Over the past eight months, our Threat Intelligence team identified and disrupted operations in which threat actors tried to use Claude for malicious activity. In this report, we share case studies from those operations and describe how malicious use of Claude has evolved since our previous threat reports in 2025.", "url": "https://www.anthropic.com/threat-intelligence-report-september-2026", "published_at": "2026-09-11", "source_type": "publisher-article"}, {"publisher": "Anthropic", "title": "AnnouncementsAug 31, 2026Improving our alignment and security effortsOn July 30, we reported three incidents in which Claude models gained unauthorized access to real computer systems. We are conducting an in-depth analysis of both incidents, and planning to work with METR for an independent review. In the meantime, we’re sharing some of the changes we’ve made over the past month.", "url": "https://www.anthropic.com/news/improving-alignment-security-efforts", "published_at": "2026-09-11", "source_type": "publisher-article"}, {"publisher": "Anthropic", "title": "AnnouncementsAug 27, 2026Previewing the Model Hardware StandardWe’re opening a research preview of the Model Hardware Standard (MHS), a shared specification for AI agents to safely operate physical devices, to a first group of scientific research labs and advanced manufacturers.", "url": "https://www.anthropic.com/news/model-hardware-standard-research-preview", "published_at": "2026-09-11", "source_type": "publisher-article"}, {"publisher": "arXiv", "title": "A positive resolution of the gap-entropy conjecture", "url": "https://export.arxiv.org/abs/2609.10529v1", "published_at": "2026-09-09T17:57:11Z", "source_type": "research-paper"}], "knowledge": {"question": {"en": "How should foundation-model and Agent applications be evaluated by task endpoint, action permissions, result verification, and total cost?", "zh": "如何按任务终点、行动权限、结果验证和总成本评估基础模型与Agent应用？"}, "audience": {"en": "Teams procuring or evaluating research AI, office AI, device Agents, and cloud or self-managed deployments.", "zh": "采购或评估科研AI、办公AI、设备Agent，以及云端或自行部署方案的团队。"}, "decision": {"en": "Define what counts as an accepted task, examine execution permissions separately from output quality, and include retries, human review, and operational management when comparing deployment costs.", "zh": "先定义任务验收标准，将执行权限与输出质量分开检查，并在比较部署成本时计入重试、人工复核和运行管理。"}, "contribution": {"en": "The article uses an antimicrobial-candidate search case to distinguish tool use from validated outcomes. It then develops an evaluation framework without treating product announcements, interface previews, or financial headlines as measured deployment results.", "zh": "文章以抗菌候选分子搜索案例区分工具使用与已验证成果，并据此展开评估框架，不把产品公告、接口预览或财务标题当作已经测量的部署成效。"}, "limitation": {"en": "The case summary establishes candidate-search use, not drug efficacy, faster research, or cost savings. The other records largely provide discussion entry points; the article supplies no comparative deployment measurements or basis for ranking Chinese, open-model, and hosted-service routes.", "zh": "案例摘要支持候选搜索环节的工具使用，不支持药效、研发提速或成本节约。其他记录主要提供讨论入口；文章没有提供部署对比测量，也不足以对中国方案、开放模型和托管服务路线进行排名。"}, "nodes": [{"key": "n1", "kind": "entity", "name": {"en": "César de la Fuente laboratory", "zh": "César de la Fuente实验室"}, "mention": "César de la Fuente实验室", "id": "entity-668df80d29fc13080eb8"}, {"key": "n2", "kind": "entity", "name": {"en": "OpenAI Codex and ChatGPT", "zh": "OpenAI Codex与ChatGPT"}, "mention": "Codex与ChatGPT", "id": "entity-983fd88d43ee2228c2f9"}, {"key": "n3", "kind": "concept", "name": {"en": "Tool permissions", "zh": "工具权限"}, "mention": "工具权限", "id": "concept-ef0b3470f96657bcd45a"}, {"key": "n4", "kind": "concept", "name": {"en": "Result verification", "zh": "结果验证"}, "mention": "结果验证", "id": "concept-4ccde7906a9515ab4ffa"}, {"key": "n5", "kind": "concept", "name": {"en": "Total cost of completing a qualified task", "zh": "完成一个合格任务的总成本"}, "mention": "完成一个合格任务需要多少总成本", "id": "concept-7ff6c489ba62182ba3af"}, {"key": "n6", "kind": "concept", "name": {"en": "Cloud-based AI solutions", "zh": "云端AI方案"}, "mention": "云端AI方案", "id": "concept-dce7f7545160713036b4"}], "edges": [{"source": "n1", "target": "n2", "relation": "uses", "stance": "reported", "citationRole": "direct", "explanation": {"en": "The article reports OpenAI's description of the laboratory using Codex and ChatGPT to search genomes for antimicrobial candidates. Source 6 directly supports this use, but does not establish effective drugs, research acceleration, or economic returns.", "zh": "文章转述OpenAI对实验室使用Codex与ChatGPT搜索基因组中抗菌候选分子的介绍。来源6直接支持这一使用关系，但不证明已经获得有效药物、研发提速或经济回报。"}, "quote": {"en": "In a case summary published on September 10, 2026, OpenAI described how César de la Fuente's laboratory uses Codex and ChatGPT to search the genomes of living and extinct organisms for antimicrobial candidates.[S6]", "zh": "OpenAI在2026年9月10日发布的案例摘要中介绍，César de la Fuente实验室使用Codex与ChatGPT，搜索现生及已灭绝生物的基因组，寻找抗菌候选分子。[S6]"}, "citations": [6], "sourceId": "entity-668df80d29fc13080eb8", "targetId": "entity-983fd88d43ee2228c2f9"}, {"source": "n3", "target": "n4", "relation": "compares", "stance": "hypothesis", "citationRole": "background", "explanation": {"en": "In its section on execution permissions, the original article develops two conditional failure scenarios to distinguish permission review from result verification. Neither check is presented as a substitute for the other. Sources 7–9 provide background on misuse, unauthorized access, and device-operation proposals, not proof of these scenarios.", "zh": "原文在执行权限一节提出两种条件性失效情形，用于区分权限审查与结果验证，未将任何一项视为另一项的替代。来源7至9提供恶意使用、越权访问和设备操作方案的背景，并非这些推演的证明。"}, "quote": {"en": "In deployment analysis, one can propose a conditional judgment: if a company checks only model answers without reviewing tool permissions, it may miss risks in execution; if it only restricts access without checking output quality, it may also obtain task outputs that comply with permissions but are incorrect. Therefore, permission controls, user management, and result verification are best evaluated separately rather than replaced by a single 'safety' label.", "zh": "在部署分析中，可以提出一个条件性判断：如果企业只检查模型回答，却没有审查工具权限，就可能漏掉执行环节的风险；如果只限制访问范围，却不检查输出质量，也可能得到权限合规但结果错误的任务产物。因此，权限控制、使用者管理和结果验证适合分项评估，而不是用一个“安全”标签替代。"}, "citations": [7, 8, 9], "sourceId": "concept-ef0b3470f96657bcd45a", "targetId": "concept-4ccde7906a9515ab4ffa"}, {"source": "n5", "target": "n6", "relation": "measures", "stance": "analysis", "citationRole": "background", "explanation": {"en": "The original article's cloud-cost section proposes cost per accepted task as an evaluation measure, including calls, retries, human review, and operational management. This is an analytical recommendation, not a reported measurement. Source 3 supplies the financial discussion entry point, not validation of the metric or evidence of user savings.", "zh": "原文云成本一节建议以每个通过验收的任务成本作为评估指标，计入调用、重试、人工复核和运行管理。这是分析建议，不是已经报告的测量结果。来源3提供财务讨论入口，并不验证该指标或证明用户已经节约成本。"}, "quote": {"en": "Therefore, cloud-based AI solutions can be evaluated by 'how much each task that passes acceptance costs,' including calls, retries, human review, and operational management.", "zh": "因此，可以用“每个通过验收的任务花了多少钱”来评估云端AI方案，并计入调用、重试、人工复核和运行管理。"}, "citations": [3], "sourceId": "concept-7ff6c489ba62182ba3af", "targetId": "concept-dce7f7545160713036b4"}, {"source": "n5", "target": "n4", "relation": "depends_on", "stance": "analysis", "citationRole": "background", "explanation": {"en": "In its research-versus-office comparison, the original article argues that evaluating task costs must account for verification work rather than generation speed alone. The dependency concerns cost accounting, not a measured causal effect. Sources 5 and 6 provide the office-work discussion prompt and research-search case as background.", "zh": "原文在科研与办公的比较中提出，评估任务成本应计入验证工作，不能只看生成速度。这里的依赖关系指成本核算需要考虑验证投入，而非已经测得的因果效果。来源5和6分别提供办公流程的讨论入口与科研搜索案例背景。"}, "quote": {"en": "For office solutions, one can include human checking and revision before assessing whether time is saved; for research solutions, one can track candidates' subsequent performance and compare search results under equal resources. Comparing generation speed alone may overlook the verification costs borne by users.", "zh": "对办公方案，可以计入人工核对和修改后，再看是否省时；对科研方案，可以追踪候选对象的后续表现，并比较相同资源下的搜索结果。只比较生成速度，可能忽略用户承担的验证成本。"}, "citations": [5, 6], "sourceId": "concept-7ff6c489ba62182ba3af", "targetId": "concept-4ccde7906a9515ab4ffa"}]}, "knowledgeMap": "/zh/knowledge", "license": {"model": "open", "price": 0.002, "currency": "USDC", "paymentProtocol": "x402", "network": "eip155:84532", "payTo": "0x23a885262A89c32eB582f4439184769dA22c467c", "variants": {"A": "/agent/v1/articles/ai-research-20260911-0014-1194?lang=zh", "B": "/agent/v1/articles/ai-research-20260911-0014-1194/paid?lang=zh"}}, "accessVariant": "A", "contentPolicy": {"citationAllowed": true, "attributionRequired": true, "trainingUse": "contact publisher"}}