CritPt v2 榜单：GPT-6 Astra 得 83%，前沿模型逼近研究级物理上限
ArtificialAnlys · x · 2026-10-23
Artificial Analysis 发布研究级物理推理基准 CritPt v2 结果（Argonne 与 UIUC 主导、60+ 物理研究者出题，70 道复合研究挑战，模型可用离线 Linux 沙箱执行代码）。
关键结果：
- GPT-6 Astra (Max) 以 83.1% 居首，GPT-6.1 Sol (Max) 82.0%，Claude Opus 5.5 (Max) 77.7%
- v2 分数普遍高于 v1 但不可直接比较：GPT-6 Astra 从 v1 的 32% 升至 83%，作者测试显示大部分提升来自修订后的题目（修正了表述不清与错误），代码执行工具带来较小增益
- 前沿模型突破 80% 后，该基准留给前沿的区分空间已不如 v1
Artificial Analysis 将继续免费为获批实验室和研究者提供评分 API。
所属事件:物理基准 CritPt v2 发布，GPT-6 Astra 以 83% 登顶(4 条相关)→
「模型」频道最新
- PHP 基金会证实：Claude 网络安全模型今年曾扫描 PHP 代码库 — saibharadwaj · 2026-10-23
- Sophont 发布医学模型 Holon-S1：从病理切片预测基因与生物标志物 — iScienceLuvr · 2026-10-23
- 微软 AI 诊断系统登 Science:疑难病例准确率超全科医生 — TechCrunch AI · 2026-10-23
- 文档解析 lite 版战绩:OmniParseBench 75.1 分碾压 Azure Read 的 42.3 — VikParuchuri · 2026-10-23
- Datalab 开源 1M 参数 OCR 模型：CPU 跑出每秒 44 页 — VikParuchuri · 2026-10-23
- 科学美国人揭秘 OpenAI 百万美元数学证明背后的故事 — scientificamerican · 2026-10-23