GPT-6-Astra在理论物理基准中答对49/50题

研究团队发布理论物理基准测试 TheoPhysEval，让商用 AI 智能体在无人类提示下解 50 道题。运行在 OpenAI Codex 环境中的 GPT-6-Astra 答对 49 题（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开放问题，聚焦研究者用已知方法处理稍作修改的“turn-the-crank”类题目。每个智能体各跑两轮：一轮可联网搜索，一轮断网隔离。题目与测试设置已作为数据集发布在 Hugging Face 上供下载核验。

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。