GPT-6-Astra 在 TheoPhysEval 物理基准中答对 49/50

研究团队发布 TheoPhysEval 基准，用 50 道理论物理研究题测试商用 AI 智能体，且不给任何人类提示。OpenAI Codex 环境中的 GPT-6-Astra 答对 49 道（98%），平均每题成本不到 3 美元，整轮约 116 美元。 该基准刻意避开重大未解问题，只收录作者所称的“转曲柄”式题目，即用已知方法处理稍作修改的问题。每个智能体跑两轮：一轮带网络搜索的现实条件，一轮断网隔离。题目与测试设置已作为数据集发布在 Hugging Face，供人下载核验。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。