Epoch AI研究人员Kelly Hong和Greg Burnham让六个领先模型完成源自该机构实际工作的11项任务，涵盖平面设计、简短研究报告、交互式数据工具、AI数据中心研究和研究设计。Claude Fable 5.1与GPT-6 Astra大致并列领先，但没有模型能稳定达到Epoch的质量标准；闭源权重模型在定义明确的任务上表现最佳，而需要广泛判断的开放式工作仍然困难。