哈佛谷歌惊人研究：GPT-6 Astra已解决98%世界物理难题

这消息实在令人震惊。

就在不久前，一项研究结果公布：GPT-6 Astra 已成功攻克 98% 的全新理论物理难题！

这项名为 TheoPhysEval 的顶级理论物理学评测，刚刚在学术界引发了轩然大波。

这些尚未公开发表的前沿难题，即便是顶尖专家也需要耗费整整一天才能解答。

然而，GPT-6 Astra 不仅取得了近乎满分的成绩，甚至发现了出题专家在计算中的失误！

人类专家在承认错误后，GPT-6 Astra 的得分从 88% 直接跃升至 98%。

无独有偶，MIT 的最新实测数据显示：在过去两年间，前沿 AI 解决理论科学难题的能力，已经提升了整整 17 倍！

在数学领域之后，量子场论、宇宙学、经济学，正在被 AI 全面接管。

反向批改！AI 给人类顶级大脑「挑错」

如今评测大模型极为困难，因为网络上的题库早已被它们「吞噬」殆尽。

为了探寻 AI 真正的推理极限，全球顶尖机构的物理学家们联手为 AI 设下了一个圈套——TheoPhysEval。

参与出题的机构阵容堪称豪华，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，以及 Google DeepMind 等。

项目贡献者涵盖了 Suvrat Raju、Sudip Chakraborty、A. Ramesh Chandra 等数十位知名学者。

为了杜绝 AI 作弊，题目全部源自专家们尚未发表的最新研究笔记。

这 50 道极具挑战性的难题，覆盖了量子场论、全息理论等领域。即便是细分领域的顶尖专家，也得花费一天甚至数天才能解出一道题。

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。

测试开始了。研究人员将这 50 道题输入给了 GPT-6 Astra、Opus 5.5、Gemini 3.8 Flash 以及开源的 DeepSeek-V4.1-Flash 等模型。

结果显示，GPT-6 Astra 的初评得分约为 88%，Claude Opus 5.5 的得分为 92%。

但接下来发生的事情，令所有人瞠目结舌。项目研究员 Nirmalya Kajuri 透露：当专家排查错误时，Astra 表现得异常固执。

它不仅给出了完整的推导过程，还在思维链中坚称：自己的逻辑毫无瑕疵，是人类专家提供的标准答案算错了！

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「当面质疑」，专家们只能翻出旧草稿重新复核。

真相令人惊讶：在多道题目中，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，它们解决了 49 道！

这一次，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，那些能难倒顶级学者一整天的神级物理难题，究竟都是什么？

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

本文来自微信公众号“新智元”（ID：AI_era），作者：ASI启示录，编辑：Aeneas 大卫，36氪经授权发布。