# GPT-6-Astra解出50道物理研究题中的49道

> 在一项理论物理常规计算测试中，GPT-6-Astra启用网络搜索后答对49道题，报告的平均成本为每题$2.40。

Oossa · 2026-10-15 · https://oossa.com/zh/gpt-6-astra-scored-98-on-50-physics-research-problems

在一项理论物理研究任务测试中，运行于OpenAI的Codex编程环境中的GPT-6-Astra解出了50道题中的49道。研究作者称，这次测试总成本略低于$116，平均每题约$2.40。测试比较了市面上可用的AI智能体，没有提供任何人工提示。

启用网络搜索后，Anthropic的Opus 5.5在Claude Code中得分为92%。Google的Gemini 3.8 Flash得分为68%，开源权重模型DeepSeek-V4.1-Flash和GLM 5.3分别得分为54%和42%。关闭网络搜索后，Astra和Opus的得分均为92%。

## 考的是计算，不是新发现

这50道题涵盖11个子领域，从流体流动、生物过程到粒子物理和宇宙学。题目大多是常规研究计算：将已知方法用于经过改动的问题，而不是解决重大的未解难题。作者表示，这类任务可以作为博士生的早期研究项目。

其中一道题要求改编一篇早期黑洞论文中的方程，并编写自定义程序计算结果。研究人员称，题目经过设计，无法直接从论文中照搬答案。每个智能体都进行了两轮测试：一轮启用网络搜索，另一轮不接入互联网。

## 成绩也有局限

研究人员发现，一些看似属于AI的错误，实际上是专家参考答案中的细微错误。更正这些答案后，Astra在相关题目上的回答是正确的。Astra唯一没解出的那道题难住了所有模型；作者也承认，预期答案可能难以推断，题目设置并不公平。

这些计算题上的高分并不能证明AI能够选出有价值的研究问题，或在物理学上取得突破。作者表示，当前的智能体仍难以判断哪些问题值得研究，也不善于在必要时转向更容易解决的问题。题目集和测试设置已发布在Hugging Face上。

## 事实

- 研究称，启用网络搜索后，GPT-6-Astra答对了50道题中的49道。
- Astra这次运行的总成本略低于$116；报道给出的平均成本为每题$2.40。
- 启用网络搜索后，Opus 5.5得分为92%，Gemini 3.8 Flash为68%，DeepSeek-V4.1-Flash为54%，GLM 5.3为42%。
- 这项基准测试涵盖11个子领域，重点是常规计算，而非重大的未解问题。

## 为什么重要

对物理专业学生和导师而言，这些结果表明，一些过去常用作入门研究项目、以计算为主的任务可能更容易实现自动化；作者认为，除非目的是练习，否则这类任务或许不再适合作为第一个研究项目。这项测试并未证明AI能否选出有价值的问题或提出新的物理学成果，因此它对这些计算任务以外的研究会产生何种影响，目前仍不清楚。

## 来源与参考

1. [GPT-6-Astra solves 49 of 50 physics research problems at $2.40 apiece](https://the-decoder.com/gpt-6-astra-solves-49-of-50-physics-research-problems-at-2-40-apiece/) – The Decoder, 2026-10-15

最后更新: 2026-10-15