GPT-6 Astra 在物理基准解出 49/50 题
AI 总结
由 ICTS、哈佛大学、KU Leuven 与 Google DeepMind 等机构 35 名研究者发布的 TheoPhysEval 基准，包含 50 道未发表、答案可验证的理论物理题。OpenAI 的 GPT-6 Astra 在 Codex 环境中答对 49 道（98%），平均每题成本不到 3 美元、整轮约 116 美元；Anthropic 的 Claude Opus 5.5 在 Claude Code 中取得 92%，Gemini 3.8 Flash 为 68%，开放权重的 DeepSeek-V4.1-Flash 与 GLM 5.3 分别为 54% 和 42%。研究者称联网搜索带来的提升有限，并认为当前智能体仍缺少判断问题是否有趣的“品味”，因此尚未带来理论物理层面的突破。
深度见解
如果结果可复现，说明前沿智能体已在可验证的常规科研计算上接近专家水平，这可能改变理论物理的训练方式与资源门槛。