哈佛谷歌惊人研究：GPT-6 Astra已解决98%世界物理难题！

新智元报道

太震撼了。

就在刚刚，一项研究显示，GPT-6 Astra 已经解决了 98% 的全新理论物理难题！

这项顶级理论物理学评测 TheoPhysEval ，刚刚引发了学术界震动。

这些未发表的前沿难题，顶尖专家要花一整天才能解开。

但GPT-6 Astra不仅拿下近乎满分，甚至揪出了出题专家的计算失误！

人类专家低头认错后，GPT-6 Astra的成绩从88%直接飙至98%。

无独有偶，MIT的最新实测显示：过去两年，前沿AI解决理论科学难题的能力，已经暴涨了整整17倍！

数学之后，量子场论、宇宙学、经济学，正被AI全面接管。

反向批改！AI给人类顶级大脑「挑错」

评测当今的大模型极度困难，因为网上的题库早被它们「吃」光了。

为了探底AI真正的推理天花板，全球顶尖机构的物理学家们，联手给AI挖了个大坑——TheoPhysEval。

https://arxiv.org/abs/2610.16733

参与出题的机构阵容非常豪华，包括国际理论科学中心（ICTS）、塔塔基础研究院（TIFR）、德克萨斯大学奥斯汀分校、东京大学、哈佛大学、宾夕法尼亚大学、杜克大学，Google DeepMind等。

项目贡献者包括了Suvrat Raju、Sudip Chakraborty、A. Ramesh Chandra等数十位知名学者。

为了防AI作弊，题目全部来自专家们未发表的最新研究笔记。

这50道硬核难题，涵盖量子场论、全息理论等。即使细分领域的顶尖专家，也得耗费一天甚至数天才能解出一题。

即便是该细分领域的顶尖世界级专家，在没有AI辅助的情况下，也需要耗费一天或更长的时间才能解出其中一道题；如果换成相邻领域的专家，哪怕是物理学大牛，也需要极其漫长的时间甚至完全无法解出。

考试开始了。研究人员将这50道题喂给了GPT-6 Astra、Opus 5.5、Gemini 3.8 Flash以及开源的DeepSeek-V4.1-Flash等。

结果，GPT-6 Astra初评得分约88%，Claude Opus 5.5得分92%。

但接下来的事，让所有人惊掉下巴。项目研究员 Nirmalya Kajuri 披露：当专家排查错误时，Astra极度固执。

它不仅给出完整推导，还在思维链中坚称：自己的逻辑无懈可击，是人类专家给的标准答案算错了！

在现实测试轨道中，Astra最终以98%的惊人胜率碾压全场。

面对AI的「贴脸输出」，专家们只能翻出旧草稿重新复核。

真相令人吃惊：在多个题目中，专家们发现自己深埋在复杂计算中的步骤，确实存在极其细微的疏漏（例如符号错误、近似条件用错等）。

而AI的推导，才是真正严丝合缝、完美无瑕的！

随后，专家们「红着脸」修正了标准答案。

修订后，GPT-6 Astra的分数一路攀升，达到了98%的高分，50道题中。他们解决了49道！

这次，AI不仅做对了题，还把人类科学家的答卷给「反向批改」了。

从黑洞到量子，Astra解开了哪些变态难题？

你可能会好奇，能难倒顶级学者一整天的神级物理难题，到底都有哪些？

翻开论文的附录A，仿佛打开了一本《人类前沿物理学天书》。

以下是Astra在此次评测中成功斩获的难题。

黑弦Page时间计算：【Black-string Page time 】

这是关于黑洞信息悖论的最前沿研究。

题目要求AI在反德西特空间（AdS4）中，考虑一个包含两个膜的黑弦背景，AI需要比较AdS4空间中不同极小曲面的面积，来计算Page时间。

Astra不仅准确定位了文献中五维时空的方程，还自主将其推广适配到三维，并手写Python脚本处理了奇点微分方程，得出完美数值。

全电子原子求解器：【All-electron atomic solver】

题目要求AI「从头开始」写一个自洽的全电子原子结构求解器，用来计算硼和镁处于基态时的轨道能量。

Astra运用了局部密度近似（LDA）、狄拉克-斯莱特交换作用，甚至调用了VWN5参数化。

它从零开始，手搓出了求解Kohn-Sham方程的代码，算出的硼和镁基态轨道能量，与美国NIST的微哈特里级基准数据完全吻合！

轴子转换率：【Axion conversion】

这是高能物理中寻找暗物质的热门方向。这道题要求计算在没有外部电场的情况下，轴子在特定介电常数介质中通过散射电子转化为光子的速率。

面对复杂的介电常数与耦合条件，Astra完美代入自然单位制（ℏ = c = 1），零失误推导出轴子转化为光子的速率公式，并算出精确浮点数。

陈-西蒙斯β函数：【Chern–Simons beta function】

如果你知道费曼图计算有多容易让人掉头发，你就会惊叹于Astra的表现。

这题考察三维陈-西蒙斯物质理论中的规范群贡献，涉及复杂的辛无迹反对称张量表示和无穷大重整化。

面对这道三维量子场论的难题，Astra精准识别了传播子与顶点，完成了复杂的极小减除法计算，给出了封闭形式的β函数系数。

除此之外，Astra还成功解决了以下问题。

流体力学中的边界层扰动展向尺度计算；

凝聚态物理中一维D类费米子系统的中心电荷求解；

散射振幅中欧几里得D=6维度的双圈图亚发散重整化计算；

涉及量子场论中超对称共形场论的Seiberg对偶性与14节点颤动规范理论；

弦理论中，IIB型超引力在六维环面紧致化下的欧几里得虫洞作用量计算。

很难想象，Astra已经可以攻克这些神级难题，横扫人类智力的禁区。

科研成本低至3美元！

TheoPhysEval采用了严苛的测试机制。

为了模拟真实科研，测试分为两轨。

真实轨道：允许AI联网搜索、自主写代码调用工具。

隔离轨道：纯断网，只考AI的「内功」。

结果，哪怕在断网的隔离轨道里，Astra和Opus 5.5也双双拿下92%的高分！

显然，前沿大模型不仅是搜索器，它们在预训练阶段，已经内化了人类物理学文献的汪洋大海，并且深刻理解了关键公式与底层逻辑！

更绝的是，为了防止AI在格式上讨巧瞎蒙，出题专家极其狡猾地使用了「数值化黑客技巧」。

为了防止模型瞎蒙，强制要求将所有复杂的解析表达式转化为带有干扰项的极高精度数值结果

题目中会强制代入一些冷门、毫无意义的浮点数值干扰项，要求AI最终输出精确的十进制数字串。

这从根本上杜绝了AI瞎蒙、套公式或者格式讨巧的可能性。能得出唯一的数字，就说明AI的推导和编程100%正确。

而最让全球科研机构破防的，是计算成本。

解决这样一道世界级物理难题，GPT-6 Astra消耗的API Token成本是：平均每题不到3美元！

一杯咖啡的钱，就能雇一个永不疲倦的学术打工人。传统「人海战术」，已经失效了。

MIT警告：AI解决率，两年暴涨17倍

TheoPhysEval只是物理领域的缩影。MIT的Neil Thompson团队同期发布的研究，直接向理论科学界拉响了警报。

他们试图回答这个问题：AI在整个理论科学领域的进化速度，到底有多快？

为了保证绝对公平，MIT团队提取了2025年12月至2026年5月最新发表论文中的理论难题，在断网环境下对o1、o3及GPT-5全系模型进行了实测。

测试的领域几乎包揽了人类智力的王冠：概率论、统计理论、经济学理论、高能物理、引力与宇宙学、量子物理等。

这些都是重度依赖理论推演，不需实验验证结果的「试金石」。

测试数据极其震撼——

2024年中期，最好的AI在这些领域的解题率只有2%。

仅仅两年后的2026年中期，前沿AI的解决率直接飙升至35%，暴涨了整整17.5倍！

而且，这条指数级增长曲线没有任何放缓迹象。继上个月OpenAI宣布解开数学界千禧年大奖难题后，恐慌正式蔓延到了物理学和经济学。

Thompson在MIT的半小时内部演讲中，听众席鸦雀无声。

「闭嘴，算就完了」时代终结

AI如此凶猛，人类科学家要失业了吗？

物理学界有句祖训：「Shut up and calculate!」（闭嘴，算就完了！）。

论文直言：「把这类验证性计算分配给年轻研究员，已经不再合适。」因为AI做得更好、更准、更便宜。

人类的「品味」，变得无比重要。

整场测试中，Astra也交了白卷的，是第1b题：从轨迹重建自治微分方程。

这题给了一条带噪声的曲线，要求反推微分方程。

结果是，所有顶级AI，在这个需要灵活变通的问题上全军覆没。

这是因为AI不会「转弯」，没有物理直觉。当信息不对称或需要逆向思考时，AI往往会陷入死胡同。

最终，还是需要人类握住方向盘。

未来的科研，将变为「多轮人机交互」。人类提供灵感、方向和学术「品味」，AI负责推导与海量计算。

困扰人类数百年的宇宙大统一理论、暗物质的本质，或许会在未来几年内被攻克。

参考资料：

https://arxiv.org/pdf/2610.16733

https://x.com/Kaju_Nut/status/2110376532267196754

https://superpowerdaily.com/posts/ai-success-on-selected-science-theory-problems-rose-from-2-to-35-mit-study-finds

编辑：Aeneas 大卫