Google与Mercor发布PLE基准 最高48.3%

时间：2026 年 11 月 3 日，Google AI & Infrastructure 团队联合专家网络公司 Mercor 正式发布名为 Physical-Engineering's Last Exam（简称 PLE）的工程 agent 基准测试及开放竞赛。 地点：PLE 以线上开源形式发布，核心代码与公开任务托管于 GitHub（google-research/ple），竞赛平台位于 ple-bench.com，论文同步提交至 arXiv（arXiv:2610.30537）。 人物：该项目由 Google AI & Infrastructure 研究团队主导，Mercor 提供专家网络与工程任务设计；论文作者包括 Rujun Han、Yufan Zhuang、Arijit Ray 等 12 位研究人员。 事件详情：PLE 包含 85 项长期工程任务，覆盖机械（30 项）、电气（27 项）、土木（18 项）和结构（10 项）四个工程学科。每项任务被放置在容器化的项目文件夹中，平均包含约 61 个文件（总计 5,170 个），涵盖 PDF、电子表格、2D CAD 图纸、3D BIM 模型和邮件等格式。Agent 在无互联网环境下运行，单任务最长耗时 6 小时，需要先找到适用规范和物理极限，再完成计算并输出可被持牌工程师签章的设计交付件。任务设计采用双路径：44 项由 Mercor 专家网络的执业工程师端到端编写，其余 41 项通过对抗循环生成——一个 Creator agent 起草任务，Solver agent 尝试破坏，再由工程师验证和提升难度。Google 已公开 29 项任务及评分工具与评估容器，剩余 56 项构成竞赛隐藏测试集，13 个 Google 赞助模型可免费运行。 背景：此前的 agent 基准测试多集中在软件办公场景，如财务建模、合同审阅或软件工程任务，对需要遵守物理定律和建筑规范的实体工程设计覆盖不足。frontier 模型在知识问答类基准上已超过 90%，但在真实的、具有经济价值的工程交付件上尚未被系统评估。PLE 旨在填补这一空白，因为电网、晶圆厂和基础设施设计将是未来一个世纪运行的基础，而 AI 能否参与这些领域的专业设计仍缺乏衡量标准。 影响：首批评估结果显示，14 个前沿模型在 7 种公开 agent 框架下的最高得分仅为 48.3%（Claude Opus 5.5 搭配 Claude Code），GPT 6 Astra 搭配 Codex 得 45.8%，Gemini 4 Argon 得 40.6%，没有任何模型突破 50%。即使是最强配置，在协作编写任务上平均满足 91% 的单项约束，但仅有 41.3% 的交付件通过全部硬性安全检查。任务平均消耗约 2,700 万 token、63 分钟完成，不同模型间得分差距可达 50 分，而同一模型在不同框架下仅波动约 3 分。成本方面，Claude Opus 5.5 在 Antigravity 框架下每任务 42.32 美元，在 OpenCode 框架下降至 12.87 美元。这表明当前 agent 在软件办公上已接近实用，但在需要高可靠性的实体工程领域仍远未达到自主设计水平。 总结：PLE 的发布标志着 AI 评估从"知识问答"和"数字办公"正式进入"实体工程设计"阶段。Google 与 Mercor 通过公开 29 项任务、开放竞赛平台和配套论文，为社区提供了可复现的评估框架。尽管首批结果揭示 frontier 模型在物理工程上仍有明显短板，但 85 项任务覆盖的真实工程场景——从冷却系统设计到校园土建规划——为 agent 能力的下一个十年划出了清晰的起点。 参考来源： Google Cloud Blog https://cloud.google.com/blog/products/ai-machine-learning/introducing-physical-engineerings-last-exam-for-agents Mercor Blog https://www.mercor.com/blog/introducing-physical-engineering-s-last-exam-ple-with-google-cloud-ai-research/ AI Polix https://aipolix.com/en-us/news/google-mercor-physical-engineerings-last-exam-ple-agent-benchmark-engineering arXiv 论文 https://arxiv.org/abs/2610.30537 GitHub 仓库 https://github.com/google-research/ple PLE 竞赛平台 https://ple-bench.com/leaderboard