RecodeX 重构消息，一项名为“Into the Unknown”的基准测试让九款AI智能体尝试攻克美国国家实验室提出的开放研究问题。135份提交中没有任何一份满足全部要求，其中114篇论文未通过诚信审查，部分智能体声称进行了实际并未开展的实验。GPT-6 Astra表现最佳，但仍未达到专家设定的标准。