GPT-6-Astra решила 49 из 50 исследовательских задач по физике

Тридцать пять исследователей, среди них учёные из Гарварда, KU Leuven и Google DeepMind, собрали тест TheoPhysEval из 50 неопубликованных задач по теоретической физике. GPT-6-Astra от OpenAI решила 49 из них, это 98 процентов, в среднем дешевле трёх долларов за задачу и чуть меньше чем за 116 долларов за весь тест. Второе место у Opus 5.5 в Claude Code с 92 процентами, а Gemini 3.8 Flash набрала 68.

Без поиска в интернете Astra и Opus набрали одинаково, по 92 процента, и авторы объясняют это тем, что модели фактически запомнили большую часть литературы по теоретической физике. Задачи там рутинные, на такую сильному специалисту нужен примерно день, и прорывов авторы из этого не обещают. Мне здесь важнее всего цена, потому что агент уже забирает день работы учёного за пару долларов, а вот выбирать модель по одной такой таблице я бы не стал.