GPT-6-Astra在理论物理研究基准上答对49/50题

一支研究团队公布AI智能体在TheoPhysEval基准上的评测结果：GPT-6-Astra在OpenAI的Codex编程环境中回答了50道理论物理研究题中的49道（98%），平均每题成本不到3美元，整套测试花费约116美元。该基准覆盖11个理论物理子领域，只收录已知方法可解的问题，不包含重大开放问题。 Anthropic的Opus 5.5在Claude Code中以92%排名第二，Google的Gemini 3.8 Flash得分68%，开源模型DeepSeek-V4.1-Flash和GLM 5.3分别得分54%和42%。每个智能体分别在允许和禁止联网的条件下各运行一次测试。题目和测试设置已发布在Hugging Face供复现。

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。