TheoPhysEval：GPT-6 Astra 攻克研究级物理题

第 1 集 · TheoPhysEval 基准：GPT-6 Astra 解研究级物理题达 98%(2026-10-15,20 条)

物理学家 Suvrat Raju 等人(论文含 34 位作者,题源涵盖 Harvard、Duke、东京大学等机构专家)发布 TheoPhysEval 基准(arXiv:2610.16733),用 50 道未发表、答案可验证的研究级理论物理题测试前沿 AI agent,思路类似数学界的 First Proof 评估。在配备真实工具(文献检索、数值/符号计算脚本)的环境下,GPT-6 Astra 解出 49/50 题,得分 98%,平均每题成本不到 3 美元;模型还坚持认为基准中若干专家答案有误,团队复核后确认模型正确——它发现了世界级物理学家计算中的细微错误,成绩因此从初评的约 80% 上调至 98%。消息经 @ESYudkowsky、@joshbickett、@ZeroStateReflex、@DrSingularity 等人转发后在圈内刷屏,Freddy Vega 的原推截图成为传播焦点。

已确认

• 基准由多位世界级专家出题,每题答案可验证;人类专家单题通常需一天或更久,相邻领域专家耗时更长。
• GPT-6 Astra(Codex 环境)在真实工具环境下解决 49 题,98% 准确率,单题平均成本低于 3 美元;据 @rbhar90 转述,另一配置 GPT-6-Astra+Codex 解对约 88%,均摊成本约 3 美元一题。
• 模型曾坚持认为基准中若干专家答案是错的;团队复核后确认模型正确,是其发现了世界级物理学家计算中的细微错误,成绩相应从约 80% 修正为 98%。
• 据 @alejandroll10、@ZeroStateReflex 转述,初评中 GPT-6 Astra 得 80 多分、Opus 5.5 紧随其后。
• @CatAstroPiyush 引用的报告指出,题集中不少原本是训练初级研究者的入门研究题,如今已不再适合布置给新手研究者——除非目标仅是入门。

为什么重要

• 这是首次用未发表研究级物理题做的大规模 AI 评估,规避了训练数据污染问题。
• 结果显示前沿 AI 已能在理论物理研究级任务上接近满分,甚至能纠正顶级专家的计算错误;@haider1 提及 Noam Brown 将此与此前 GPT-5.5 在数学证明上的类似剧本相提并论,「模型坚持己见、最终被证实正确」正成为可复现的模式。
• 排名动态(初评落后于 Opus 5.5、纠错后反超至 98%)也提示:模型对「标准答案」的坚持可能指向基准本身的错误,评估流程需要复核机制。

• 未发表理论物理题测试:GPT-6-Astra 拿下 98%,还揪出专家答案错误 — sandersted · 2026-10-15
• TheoPhysEval：GPT-6-Astra 解研究级理论物理题准确率达 98% — IAmTimNguyen · 2026-10-15
• 50道未发表物理题实测:GPT-6-Astra+Codex解对88%,均成本3美元 — rbhar90 · 2026-10-15
• GPT-6 Astra 破解 49/50 未发表物理难题，还纠出顶级物理学家算错 — 141_1337 · 2026-10-15
• GPT-6 Astra 质疑物理基准专家答案,复核后得分从 80% 升至 98% — ESYudkowsky · 2026-10-15
• GPT-6-Astra 评测拿下 98%,模型纠正专家答案引热议 — alejandroll10 · 2026-10-15
• GPT-6 Astra 质疑专家答案被证实，物理基准分从80%上调至98% — josh_bickett · 2026-10-15
• 50 道前沿理论物理题 AI 答对 98%，GPT-6-Astra 单题成本不到 3 美元 — RexDouglass · 2026-10-15
• 模型做对物理题被判错,复核后专家改答案 — CatAstro_Piyush · 2026-10-15
• GPT-6-Astra 评测纠正专家错误,50 题拿下 98% — ZeroStateReflex · 2026-10-15
• GPT-6-Astra 在 50 道未发表理论物理题上拿下 98%,还纠正了专家答案 — ZeroStateReflex · 2026-10-15
• 博主称「GPT-6 Astra」解出 50 道未发表理论物理题中的 49 道 — Dr_Singularity · 2026-10-15
• 爆料称 GPT-6 独解 49/50 未发表物理难题，98% 准确率单题不到 3 美元 — Dr_Singularity · 2026-10-15
• 新基准 TheoPhysEval:AI Agent 解出 98% 研究级理论物理题,单题成本不到 3 美元 — robleclerc · 2026-10-15
• 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 · 2026-10-16
• arXiv 论文 TheoPhysEval:GPT-6 Astra 自主解研究级物理题准确率达 98% — alex_verem · 2026-10-16
• 「时代的信号」：流传的 GPT-6 质疑权威答案梗图 — Confident_Salt_8108 · 2026-10-16
• 传 GPT-6 Astra 物理基准 +80% 判专家错误，AI 复制数学剧本 — haider1 · 2026-10-16
• 曝 GPT-6 Astra 解研究级物理题达 98% 准确率，单题成本不足 3 美元 — DeryaTR_ · 2026-10-16
• 网传截图称 GPT-6 Astra 指出物理基准标准答案有误,复核后得分升至 98% — Confident_Salt_8108 · 2026-10-16

第 2 集 · GPT-6 Astra 解出 98% 未发表理论物理难题并纠出专家错误(2026-10-18,2 条)

在由 ICTS、哈佛、东京大学、Google DeepMind 等机构物理学家联合出题的 TheoPhysEval 评测中，50 道未发表的前沿理论物理难题（涉及量子场论、全息理论等）被用于测试 AI 能力，据称顶尖物理学家每道题需耗时一天才能解出。结果显示 GPT-6 Astra 解出了其中 98%，成本仅约每题 3 美元，还反向发现并纠正了人类专家此前的计算失误，引发广泛关注。

• 称 GPT-6 Astra 每题约 3 美元解出 50 道未发表物理难题，还纠出错答案 — victor_explore · 2026-10-18
• GPT-6 Astra解决98%全新理论物理难题，还反向揪出人类专家的计算失误 — 新智元 · 2026-10-18

第 3 集 · DeepMind 新基准 TheoPhysEval：GPT-6 Astra 解出 49/50 研究级物理题(2026-10-24,3 条)

Google DeepMind 联合三十余位多校理论物理学家在 arXiv 发布新基准 TheoPhysEval，包含 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，且答案可验证。测试 5 个现成 AI agent 后，GPT-6 Astra 解出其中 49 道，准确率达 98%，甚至纠正了专家答案中的错误。

• GPT-6 Astra 解出 50 道前沿物理题中的 49 道，还纠出专家答案错误 — MoonL88537 · 2026-10-24
• DeepMind 等新基准：AI agent 解出 49/50 研究级物理题 — rohanpaul_ai · 2026-10-25
• TheoPhysEval：50 道未发表物理题测 agent，GPT-6-Astra 98% 准确率 — rohanpaul_ai · 2026-10-25