RecodeX 重构消息，谷歌云AI研究团队本月发布论文《PLE: Physical-Engineering's Last Exam》，对14个AI模型与7种智能体框架组合进行物理工程任务评测。结果显示，将Anthropic的Claude Opus 5.5接入Claude Code的组合得分最高，其产出物平均得分为50.6%。该分数是各任务成果物评分的平均值，与任务完成率并非同一指标。该组合对85项任务各执行三次，平均每项任务消耗2700万token，运行时长63分钟。