Mercor联合Google发布物理工程AI基准PLE

发生了什么

Mercor与Google AI及基础设施研究团队合作发布物理工程基准测试（PLE），包含85项涵盖机械、电气、土木及结构工程的长周期任务。该基准基于Archipelago环境框架，由Mercor网络中的持证工程师编写并验证。在隐藏测试集评估中，Claude Opus 5.5以48.3%的得分领先，GPT 6 Astra与Gemini 4 Argon分别以45.8%和40.6%紧随其后。目前，Google已公开29项任务及评估工具，并提供13款Google赞助模型供用户免费运行。