DeepMind 等新基准：AI agent 解出 49/50 研究级物理题
rohanpaul_ai · x · 2026-10-25
Google DeepMind 联合多所高校发布新论文 TheoPhysEval：用 50 道未发表的研究级理论物理题（每题约相当于世界专家一天的工作量）测试现成 AI agent 的自主解题能力。
- 最佳 agent GPT-6-Astra（Codex 中运行） 在可联网搜索和写脚本的现实工具条件下解出 49/50，平均每题成本不到 3 美元
- Opus 5.5（Claude Code）和 GPT-6-Astra 在无网络搜索时也各自解出 46/50
- 禁用搜索后准确率几乎不降，暗示模型已大量记忆物理学文献
所属事件:DeepMind 新基准 TheoPhysEval：GPT-6 Astra 解出 49/50 研究级物理题(3 条相关)→
「模型」频道最新
- 100 美元月费额度 2 小时烧掉 20%：用户吐槽 Astra 循环调用太耗 — mgostIH · 2026-10-25
- Opus 5.5 清理 GPT 系模型写的代码:删得多却几乎不破坏功能 — CtrlAltDwayne · 2026-10-25
- 开发者实测:DeepSeek 简单任务难逢敌手,价格约 Sonnet 十分之一 — bindureddy · 2026-10-25
- 曝 OpenAI 传闻中的 6.1 Terra 走小而便宜路线 — haider1 · 2026-10-25
- SRE Bench 逆向二进制评测:GPT-6 得 57%,DeepSeek 仅 1-2% 垫底 — teortaxesTex · 2026-10-25
- 开源 5B 图像模型 MOSS-Image 四天下载 130 万次 — neurocartel · 2026-10-25