GPT-6 Astra 解 50 道前沿理论物理题得 98%,专家需一天它花不到 3 美元
alex_verem · x · 2026-10-16
物理学家联合推出 TheoPhysEval 基准:50 道未发表、答案不可猜的研究级理论物理题,由 Harvard、Duke、东京大学等机构的专家从当前研究中提炼,世界级专家解一题约需一天。
- GPT-6-Astra(Codex 中)在可联网搜索、自写脚本的现实设置下解出 49 题,最终准确率 98%,平均每题成本不到 3 美元
- Claude Opus 5.5 解出 46 题,Gemini 3.8 Flash 34 题,最佳开源模型 DeepSeek-V4.1-Flash 27 题
- 关闭搜索后 Astra 和 Opus 仍各解 46 题,作者认为模型已记住大量物理文献
- Astra 曾在多题上坚持认为专家结果有误,物理学家复核后确认 Astra 是对的
- 作者称这是物理研究与教学的重大里程碑:计算部分已变廉价,但判断哪些问题值得研究仍是人类的工作——让 agent 自创题目时,它们只关注人类觉得无聊的细节
所属事件:TheoPhysEval:GPT-6 Astra 解 49/50 未发表物理题并纠正专家错误(16 条相关)→
「模型」频道最新
- Meta 开源 Muse Spark Open:816B 参数,两台 Mac Studio 可跑 — AIatMeta · 2026-10-16
- NVIDIA 开源 Nemotron 3.5 Super VL:120B 参数、12B 激活 — yoavartzi · 2026-10-16
- Alexandr Wang 称 Muse Spark Open 为美国最强开源权重模型 — alexandr_wang · 2026-10-16
- 微软发布 MAI-Base-2:2.8 万亿参数 MoE,预训练效率超 DeepSeek 数倍 — ChengleiSi · 2026-10-16
- Pro 用户抱怨用不上 Gemini 4 Argon：Antigravity 也「几乎不可用」 — realmeetjames · 2026-10-16
- 小型分类器横评：Vega 可跑在 CPU 与浏览器，M5 上 75ms — alexcovo_eth · 2026-10-16