GPT-6-Astra在TheoPhysEval物理基准中答对49/50题

研究团队发布理论物理基准 TheoPhysEval，用 50 道常规研究题测试商用 AI 智能体，且不提供任何人工提示。在 OpenAI Codex 环境中运行的 GPT-6-Astra 答对 49 题（98%），成绩居首，整轮成本约 116 美元，平均每题约 2.40 美元。 每个智能体各测两轮：一轮可联网搜索，一轮断网隔离。测试题目与设置已作为数据集发布在 Hugging Face 上供核查。 研究团队称，当前基准题目解题成本仍较低，但面对更难的题目，资源需求预计会大幅上升。

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。