GPT-6-Astra 在 TheoPhysEval 物理基准解出 49/50

研究团队发布理论物理研究基准 TheoPhysEval，让商用 AI 智能体在无人类提示下解题。运行在 OpenAI Codex 环境中的 GPT-6-Astra 答对 50 题中的 49 题（98%），单题平均成本不到 3 美元，整套约 116 美元，成绩居首。 每个智能体各跑两轮：一轮带网络搜索的“真实条件”，一轮断网的隔离条件。题目与测试设置已作为数据集发布在 Hugging Face，可供下载核验。 目前披露的是该基准下的正确率与成本，其他参测模型的具体成绩、两轮条件各自的差异，以及题目难度分布尚未在现有信息中说明。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。