研究者发布物理研究基准 TheoPhysEval，并公布多个商用 AI Agent 的评测结果。测试中不提供任何人工提示，每个 Agent 各跑两轮：一轮可联网搜索，一轮断网隔离。 GPT-6-Astra 在 OpenAI 的 Codex 环境中排名第一，50 道题答对 49 道，单题平均成本约 2.4 美元，整轮约 116 美元。 研究者将题目和测试设置作为数据集发布在 Hugging Face 上，供任何人下载核验结果。
AI 根据报道生成 · 2 小时前更新
沿着报道，了解事件的不同侧面。
一项物理研究基准测试显示，GPT-6-Astra 在 OpenAI 的 Codex 环境中答对 50 道题中的 49 道，平均成本约 2.4 美元、整轮约 116 美元。
还没有足够的连续观测数据，暂不绘制趋势。