4.760 milestones feed in, predicting new discoveries is still at a coin flip level.

Stanford/Oxford/Allen AI Institute lançou o benchmark de sequências temporais CUSP, para avaliar a capacidade da IA de prever avanços científicos. Testes com GPT-5.4, Claude Sonnet 4.5, DeepSeek R1, entre outros, mostraram bom desempenho na compreensão dos mecanismos por trás das tecnologias existentes, mas a previsão de novas descobertas é quase aleatória, e há um atraso sistemático na previsão de avanços. O CUSP é baseado em conhecimentos temporais, organizando os avanços de ponta em Nature/Science, abrangendo 4.760 marcos e 17.429 tarefas. A conclusão é que, na exploração científica sem respostas padrão, os modelos atuais não conseguem fornecer previsões confiáveis.