GPT-6-Astra、物理ベンチマークTheoPhysEvalで50問中49問を正解、1問あたり約2.40ドル

入選の記録

入選二回の合計 153 ≥ 基準の 2 倍 152

情報源の区分

メディアと個人、この区分の基準は 76 点

予備審査

通過：AI智能体解决物理研究问题，实质AI评测

推薦理由

理論物理の定型的な計算問題を複数のAIエージェントに実際に解かせ、コストと失敗例まで示している。科学研究計算におけるエージェントの実力を見極める材料になる。

採点はモデルが同じ基準で独立に二回行い、満点は 100。二回の合計が基準の 2 倍に届いたものだけが入選します。基準は情報源の区分ごとに決めています。