GPT-6-Astra 在 TheoPhysEval 答对 49/50 题

研究团队发布 TheoPhysEval 基准测试，让商用 AI 智能体在无人类提示下解答 50 道理论物理研究问题。运行在 OpenAI Codex 环境中的 GPT-6-Astra 答对 49 题（98%），平均每题成本不到 3 美元，整套基准约 116 美元。 每个智能体各测两次：一次带网络搜索的真实条件，一次无网络的隔离条件。测试题目与设置已作为数据集发布在 Hugging Face 上供下载核验。 研究团队称，当前基准题目解题成本仍低，但预计更难的题目所需资源会大幅上升。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。