17大顶级AI Agent在虚拟量子实验室评测中集体翻车，GPT-5.6与Opus表现领先

联合研究团队推出虚拟量子工程实验室Quantum-Harbor及包含49项真实任务的QIQCBench，对17个顶尖AI Agent进行压力测试。结果显示各模型通过率从78%骤降至3%，大量失败源于耗尽预算或陷入死循环；多体物理类任务平均通过率仅15%，前三模型拿下64%而其余14个模型合计仅4%。