GPT-6-Astra решила 49 из 50 задач по теоретической физике в тесте физиков

Физики проверили, насколько ИИ-агенты справляются с задачами исследовательского уровня. GPT-6-Astra решила 49 из 50 заданий. В нескольких случаях исследователи сначала посчитали ответы модели ошибочными, но после проверки нашли недочёты в своих решениях — расчёты ИИ оказались верными.

Для теста подготовили 50 неопубликованных задач из разных областей теоретической физики. По оценке авторов работы, эксперт мирового уровня тратит на такую задачу почти день, а специалист из смежной области — заметно больше. Задания проверяли умение применять известные методы, а не способность совершить принципиально новое открытие.

В режиме с доступом к интернету, научной литературе и вычислительным инструментам точность Astra составила 98% при средних затратах менее $3 ≈ 8,96 BYN на задачу. Для сравнения: Opus 5.5 решил 46 задач из 50, Gemini 3.8 Flash — 34, DeepSeek-V4.1-Flash — 27, GLM 5.3 — 21.

Единственная задача, с которой не справилась Astra, оказалась не по зубам и остальным моделям. Требовалось восстановить дифференциальное уравнение по заданной кривой, а неоднозначность условия мешала найти решение.

Что показало отключение интернета

При отключении доступа к сети точность моделей менялась мало. Авторы допускают, что ИИ усвоил значительную часть научной литературы и воспроизводит нужные формулы без поиска по источникам. Впрочем, полностью исключить влияние обучающих данных на основании одного этого исследования нельзя, признают они.

Сами авторы оговаривают границы результата: успех в расчётах не значит, что модель способна самостоятельно вести полноценные физические исследования. Выбрать значимую проблему, сформулировать правильный вопрос и вовремя понять, что направление работы пора менять, у моделей получается хуже, чем решать задачи с проверяемым ответом.