Import AI 476: Creativity and RSI; worse-than-China — 本期 Import AI：视觉直觉基准暴露模型短板，AI 科研品味每 3 个月翻

• 视觉直觉基准 HSS：人类 pass@1 达 93.1，最强模型 GPT 6 Astra 仅 53.6，中国开源权重模型 GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5；失败多因漏看关键细节或认错对象。含义：多模态 agent 在依赖场景隐含信息的任务上仍不可靠，需保留人工校验环节。
• 科研品味基准 TasteVal：前沿模型的实验设计能力自 2025 年 12 月起每 3.0 个月翻倍，最佳模型 Opus 5.5 以约 1/30 专家成本超过人类基线。含义：自动实验循环正成为可量化的工程指标，工具链需支持模型自主迭代设计实验。
• AI 与太空：文章认为 2030 年代太空经济将爆发，无人航天器更适合承载 AI，先发者可能形成能源与制造的正反馈优势。含义：深空通信延迟使自主决策成为刚需，边缘推理与容错调度将成为关键能力。

原文：Import AI 476: Creativity and RSI; worse-than-China open weight models; AI goes to space · 作者 Jack Clark