Google Deep Mind 与多所顶尖大学的新论文发现，测试中表现最好的 AI 智能体解决了 50 道未发表的研究级理论物理问题中的 49 道，每道题大约相当于一位世界级专家一天的工作量。

每道题成本不到 3 美元。

物理学中 AI 的基准测试通常使用教科书或竞赛题目，或者屏蔽真实研究者使用的工具。因此，智能体如何处理日常研究中大量的计算工作此前并不清楚。

专家们贡献了来自自己研究的 50 道未发表问题，每道大约相当于一位专家一天的工作量。智能体独立作答，分别在有和没有网络搜索的条件下进行，且仅根据最终数值答案评分。

Codex 中的 GPT-6-Astra 在有网络搜索的情况下解决了 50 道中的 49 道，而它和 Claude Code 中的 Opus 5.5 在没有搜索的情况下都解决了 50 道中的 46 道。没有搜索时准确率几乎没有变化，这表明这些模型已经记住了大量物理学文献。