掘金· 公众号_计算机魔术师·· 4 小时前精选AI 评分78
TheoPhysEval 基准解读：出题人算错系数后，GPT-6 Astra 成绩从 88% 跳到 98%
出题人自己算错了，AI成绩从88%直接跳到98%
AI 导读
TheoPhysEval 用 50 道取自 35 位研究者未发表笔记的理论物理计算题评测 AI 智能体，GPT-6 Astra 在 Codex 环境解出 49/50，Opus 5.5 在 Claude Code 中解出 46/50，Gemini 3.8 Flash 为 34/50，DeepSeek-V4.1-Flash 为 27/50，GLM 5.3 为 21/50。
推荐理由
原文拆解了 TheoPhysEval 的题目来源、评分口径与断网测试结果，读者可据此判断 98% 这个数字究竟测的是什么。
来源：掘金 · juejin.cn