Mercor宣布完成7.5亿美元D轮融资，公司估值达200亿美元，本轮包含员工老股转让，Benchmark、NVIDIA、Salesforce等参与。此前两年，Mercor为前沿实验室在真实世界工作上训练和评测前沿模型搭建基础设施，依靠一个超过500万专家、按各自专业知识有偿训练模型的网络。现在它把这套专家网络、评测方法和后训练基础设施提供给大科技公司、开放模型开发者、应用层公司和财富500强企业，让企业基于能力较强的开放模型做后训练，并按自身真实工作流定制评测。
Mercor与Google的AI与基础设施研究团队发布Physical-Engineering's Last Exam（PLE），用85个长周期任务考察AI智能体能否完成机械、电气、土木与结构工程的实际工作。每个任务在约61个文件的容器化项目文件夹中运行，包含PDF、表格、邮件、2D CAD图纸、3D BIM模型和故意植入的过期修订，智能体无网络访问、最多六小时。最强配置Claude Opus 5.5在Claude Code中于隐藏测试集达到48.3%，平均每任务消耗2700万token、耗时63分钟；其设计平均满足91%的单条约束，但只有41%通过全部硬性检查。
Google AI & Infrastructure 团队与 Mercor 合作发布 Physical-Engineering's Last Exam（PLE），用机械、电气、土木、结构四个工程学科的85个长周期任务考察智能体能否在持证工程师复核下完成真实工程工作。每个任务是一个平均含61个文件的容器化项目文件夹，智能体需自行查找规范、计算并产出可交付成果，且必须先通过全部硬性安全检查才计分。在私有测试集上，14个前沿模型全部低于50%，最高配置在其原生框架上平均得分48.3%。
TaskNet 把美国经济中六个职业的任务目录改由语言模型直接采访从业人员来编写，不再只依赖固定问卷。O*NET 式的标准化问卷难以捕捉新出现的任务，由人主持的访谈更有探索性，却昂贵、难以放量。该系统边问边追问澄清，再与工人确认任务清单；在未参与建库的57名工人、1184份任务报告上，六个职业平均覆盖89.3%的报告任务，O*NET 为78.6%；另有79项任务经 O*NET 分析师确认有效却没有对应条目，其中5项因 AI 采用而新出现或被重塑。
已读完全部报道