ИИ-агент GPT-6-Astra решил 49 из 50 новых задач по теоретической физике, потратив меньше $3 на задачу
Материал подготовлен Sintelligent с помощью ИИ. Опубликовано в SI: . Обновлено: .
ИИ-агент уже считает задачи теоретической физики на уровне специалистов и за несколько долларов, а придумывать, какие вопросы стоит задавать, пока умеют только люди.
По данным The Decoder, 35 исследователей из ICTS, Гарварда, KU Leuven и Google DeepMind составили TheoPhysEval — 50 неопубликованных исследовательских задач по теоретической физике с проверяемыми ответами (расчётные задачи, без больших открытых проблем). Лучший результат у GPT-6-Astra в среде Codex: 49 из 50 (98%), в среднем меньше $3 за задачу и около $116 за весь набор. Claude Opus 5.5 в Claude Code набрал 92%, Gemini 3.8 Flash — 68%, открытые DeepSeek-V4.1-Flash и GLM 5.3 — 54% и 42%. Без доступа в интернет Astra и Opus набрали по 92%: авторы считают это признаком того, что модели во многом запомнили литературу. В ряде случаев «ошибки» ИИ оказались ошибками в эталонных решениях экспертов; после исправления ответы Astra были верными. Авторы отмечают, что агентам пока не хватает «вкуса» — умения выбирать интересные задачи, поэтому прорывов в физике, подобных математическим, нет. Препринт опубликован на arXiv 9 октября; The Decoder разобрал его 15 октября.
Источники 2