事实证明，AI已经可以完成65%的专业任务…… Nvidia让38位博士和MBA花费超过10小时创建基准测试。 他们在实际工作中测试了40多个模型。不是学术练习，而是初级分析师和研究人员每天都在做的真实工作。 GPT-5的整体得分为65.9%。 它们以64.4%的准确率提取事实。需要识别RTX作为最大的国防部承包商？发现IFFIm通过疫苗债券筹集了35亿美元？模型主要从文档中提取特定信息，即使这些信息埋藏在数十页中。 逻辑推理的得分为66.2%。它们可以跟随多步骤推导，正确应用公式，验证因果链。当你需要遵循既定框架进行系统分析时，模型能在三次中交付两次。 意外的赢家：咨询框架的准确率为80%。模型成功地构建市场进入分析、竞争评估和战略建议。它们理解波特的五力分析不仅仅是列出竞争对手，而是分析议价能力动态。 化学问题？成功率为70.6%。模型处理反应机制、合成路径和化学平衡计算，这对大多数非专业人士来说都是挑战。它们在计算摩尔浓度、预测产物、平衡方程方面的水平足以通过研究生课程。 即使在金融领域，模型的表现较弱，得分为63.7%，但它们成功完成大多数估值模型，解释证券化结构，并撰写连贯的投资备忘录。这几乎是三分之二的MBA级别的财务分析正确处理。 ProfBench通过在四个专业领域测试7347个专家编写的标准揭示了这一点。 与仅限于单一领域的狭窄基准不同，它捕捉了知识工作的广度。每次评估12美元（而PaperBench为8000美元），任何研究人员都可以衡量真实能力。 当然，模型在专业格式（65.3%）、物理推导（49.3%）方面存在困难，且尚无法浏览1000页的内容。但我们已经跨越了一个门槛，AI能够正确处理大多数专业任务。 不是完美的。不是完全的。但65%足以从根本上改变知识工作的进行方式。

每个人都认为苹果在人工智能方面落后。 与此同时，苹果正在构建一个拥有数千万个关联事实的庞大知识图谱。 你无法通过谷歌搜索获得这样的数据。 苹果正在酝酿。你只是看不见而已。