GPT-6-Astra 解出 50 道物理研究题中的 49 道，单题成本 2.4 美元
研究团队用 50 道理论物理研究题测试商用 AI Agent，不给任何人工提示。GPT-6-Astra 在 OpenAI 的 Codex 编码环境中解出 49 题（98%），单题平均成本不到 3 美元，整套基准不到 116 美元。Anthropic 的 Opus 5.5 在 Claude Code 中排第二，92%；Google Gemini 3.8 Flash 为 68%；开源权重模型 DeepSeek-V4.1-Flash 和 GLM 5.3 分别为 54% 和 42%。题目覆盖理论物理 11 个子领域，属于把…
推荐理由98% 对 92% 对 68% 的分数差，加上单题 2.4 美元的成本，可以直接用来判断该把哪家 Agent…