AI智能体在物理研究基准上取得98%成绩

TheoPhysEval 团队公布评测结果：GPT-6-Astra 在 OpenAI Codex 环境中答对 50 道理论物理研究问题中的 49 道（98%），平均每题成本不到 3 美元，整套基准花费约 116 美元，在参评商用 AI 智能体中排名第一。 该基准测试的是常规研究工作而非重大科学难题，评测中未向智能体提供人工提示，每名智能体分别在可联网搜索和断网隔离两种条件下各运行一次，题目与测试环境已在 Hugging Face 公开供下载验证。

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。