OpenAI के Codex कोडिंग माहौल में चल रहे GPT-6-Astra ने सैद्धांतिक भौतिकी के शोध कार्यों के एक परीक्षण में 50 में से 49 सवाल हल किए। अध्ययन के लेखकों के मुताबिक, इस पूरी प्रक्रिया पर कुल खर्च $116 से थोड़ा कम रहा, यानी प्रति सवाल करीब $2.40। परीक्षण में व्यावसायिक रूप से उपलब्ध AI एजेंटों की तुलना की गई और उन्हें इंसानों से कोई संकेत नहीं दिया गया।
वेब सर्च चालू होने पर Claude Code में Anthropic के Opus 5.5 ने 92% अंक पाए। Google के Gemini 3.8 Flash ने 68% अंक हासिल किए, जबकि ओपन-वेट मॉडल DeepSeek-V4.1-Flash और GLM 5.3 ने क्रमशः 54% और 42% अंक पाए। वेब सर्च के बिना Astra और Opus, दोनों ने 92% अंक हासिल किए।
यह गणनाओं का परीक्षण है, नई खोजों का नहीं
इन 50 सवालों में 11 उपक्षेत्र शामिल हैं—तरल पदार्थों के प्रवाह और जैविक प्रक्रियाओं से लेकर कण भौतिकी और ब्रह्मांड विज्ञान तक। ज्यादातर सवाल शोध में होने वाली नियमित गणनाओं से जुड़े हैं: किसी ज्ञात तरीके को बदले हुए सवाल पर लागू करना, न कि भौतिकी की बड़ी अनसुलझी समस्याओं को हल करना। लेखकों का कहना है कि ऐसे काम पीएचडी छात्रों के शुरुआती शोध-प्रोजेक्ट हो सकते हैं।
एक सवाल में ब्लैक होल पर पुराने शोधपत्र के समीकरणों को नए संदर्भ में ढालकर नतीजे की गणना के लिए खास प्रोग्राम लिखना था। शोधकर्ताओं का कहना है कि सवाल इस तरह बनाए गए थे कि उनका जवाब शोधपत्र से सीधे कॉपी न किया जा सके। हर एजेंट को दो बार परखा गया: एक बार वेब सर्च के साथ और दूसरी बार इंटरनेट की पहुंच के बिना।
इस स्कोर की सीमाएं
शोधकर्ताओं ने पाया कि AI की कुछ दिखने वाली गलतियां असल में विशेषज्ञों के संदर्भ-जवाबों में हुई छोटी गलतियां थीं। उन जवाबों को सुधारने के बाद, Astra के ऐसे मामलों के जवाब सही निकले। Astra जिस एक सवाल को हल नहीं कर पाया, उसे कोई भी मॉडल हल नहीं कर सका। लेखक यह भी मानते हैं कि उस सवाल का अपेक्षित जवाब निकालना अनुचित रूप से कठिन रहा हो सकता है।
इन गणनाओं में ऊंचा स्कोर यह साबित नहीं करता कि AI उपयोगी शोध-सवाल चुन सकता है या भौतिकी में कोई बड़ी खोज कर सकता है। लेखकों के मुताबिक, मौजूदा एजेंट अब भी यह तय करने में मुश्किल महसूस करते हैं कि कौन-से सवाल दिलचस्प हैं, और जरूरत पड़ने पर ज्यादा आसानी से हल होने वाले सवाल की ओर रुख करने में भी उन्हें दिक्कत होती है। सवालों का सेट और परीक्षण की व्यवस्था Hugging Face पर उपलब्ध हैं।
यह क्यों मायने रखता है
भौतिकी के छात्रों और उनके मार्गदर्शकों के लिए, ये नतीजे बताते हैं कि गणना पर आधारित कुछ ऐसे काम, जिन्हें पहले शुरुआती शोध-प्रोजेक्ट के तौर पर दिया जाता था, स्वचालित करना आसान हो सकता है। लेखकों का कहना है कि अगर उद्देश्य अभ्यास कराना न हो, तो ऐसे काम अब शुरुआती प्रोजेक्ट के लिए उपयुक्त नहीं रह सकते। परीक्षण से यह पता नहीं चलता कि AI उपयोगी सवाल चुन सकता है या नई भौतिकी खोज सकता है; इसलिए इन गणनाओं से आगे शोध पर इसका असर अभी स्पष्ट नहीं है।
