Endless Exam 用 14 族数学构造题给九个模型打分：GPT-6 Astra 带工具后总分 143.16，但 30 个已发表前沿无一被超越
作者提出 Endless Exam 基准，覆盖十四类参数化数学构造问题、共 69 个评测实例，对提交对象自动验证有效性并给出不设上限的相对质量分（100 分等于平均达到参考构造），在九个模型、十七种配置上评测发现：无工具时总分从 7.55 到 91.90，带代码与网络工具后 GPT-6 Astra、GPT-5.6 Luna、Claude Opus 5.5 分别达到 143.16、119.35、180.06，但 30 个已发表前沿参考无一被超越。