В бенчмарке TheoPhysEvali проверили, способны ли ИИ самостоятельно решать сложные задачи по теоретической физике: модели должны были найти методы, изучить литературу и выполнить расчёты. GPT‑6 Astra в Codexi решила 49 задач из 50; ответы не были опубликованы, хотя эталонные решения авторы уже знали.

Результаты показали, что модель может не только справляться с задачами исследовательского уровня, но и выявлять ошибки в расчётах экспертов. Однако одна задача оказалась двусмысленной, и её не решила ни одна из проверенных моделей.

ВыводЗадачи составляли физики из нескольких институтов; по оценке авторов, профильному специалисту на одну такую задачу требуется примерно день-два.

Полный разбор →