GPT-6-Astra 以每题 2.40 美元解出 50 道物理研究题中的 49 道

在 TheoPhysEval 的 50 道理论物理研究题上，运行于 OpenAI Codex 环境的 GPT-6-Astra 答对 49 道（98%），平均每题成本不到 3 美元，整轮约 116 美元。Anthropic 的 Opus 5.5 在 Claude Code 中得 92%，Gemini 3.8 Flash 为 68%，开源权重模型 DeepSeek-V4.1-Flash 和 GLM 5.3 分别为 54% 和 42%。题目覆盖 11 个理论物理子领域，刻意排除重大开放问题，聚焦应用已知方法、稍作修改的常规研究题。联网搜索影响很小，无联网时 Astra 与 Opus 各得 92%，作者据此认为领先语言模型已记住大量理论物理文献。作者还称部分 AI 的答错实为参考答案本身有误，并认为当前最强模型在具体计算上可能已超过最优秀的人类研究者，但还不具备判断问题是否有趣的研究品味。