太震撼了。
就在剛剛，一項研究顯示，GPT-6 Astra 已經解決了 98% 的全新理論物理難題！
這項頂級理論物理學評測 TheoPhysEval ，剛剛引發了學術界震動。
這些未發表的前沿難題，頂尖專家要花一整天才能解開。
但GPT-6 Astra不僅拿下近乎滿分，甚至揪出了出題專家的計算失誤！
人類專家低頭認錯後，GPT-6 Astra的成績從88%直接飆至98%。
無獨有偶，MIT的最新實測顯示：過去兩年，前沿AI解決理論科學難題的能力，已經暴漲了整整17倍！
數學之後，量子場論、宇宙學、經濟學，正被AI全面接管。
反向批改！AI給人類頂級大腦「挑錯」
評測當今的大模型極度困難，因為網上的題庫早被它們「吃」光了。
為了探底AI真正的推理天花板，全球頂尖機構的物理學家們，聯手給AI挖了個大坑——TheoPhysEval。
參與出題的機構陣容非常豪華，包括國際理論科學中心（ICTS）、塔塔基礎研究院（TIFR）、德克薩斯大學奧斯汀分校、東京大學、哈佛大學、賓夕法尼亞大學、杜克大學，Google DeepMind等。
項目貢獻者包括了Suvrat Raju、Sudip Chakraborty、A. Ramesh Chandra等數十位知名學者。
為了防AI作弊，題目全部來自專家們未發表的最新研究筆記。
這50道硬核難題，涵蓋量子場論、全息理論等。即使細分領域的頂尖專家，也得耗費一天甚至數天才能解出一題。
即便是該細分領域的頂尖世界級專家，在沒有AI輔助的情況下，也需要耗費一天或更長的時間才能解出其中一道題；如果換成相鄰領域的專家，那怕是物理學大牛，也需要極其漫長的時間甚至完全無法解出。
考試開始了。研究人員將這50道題喂給了GPT-6 Astra、Opus 5.5、Gemini 3.8 Flash以及開放原始碼的DeepSeek-V4.1-Flash等。
結果，GPT-6 Astra初評得分約88%，Claude Opus 5.5得分92%。
但接下來的事，讓所有人驚掉下巴。項目研究員 Nirmalya Kajuri 披露：當專家排查錯誤時，Astra極度固執。
它不僅給出完整推導，還在思維鏈中堅稱：自己的邏輯無懈可擊，是人類專家給的標準答案算錯了！
在現實測試軌道中，Astra最終以98%的驚人勝率碾壓全場。
面對AI的「貼臉輸出」，專家們只能翻出舊草稿重新覆核。
真相令人吃驚：在多個題目中，專家們發現自己深埋在複雜計算中的步驟，確實存在極其細微的疏漏（例如符號錯誤、近似條件用錯等）。
而AI的推導，才是真正嚴絲合縫、完美無瑕的！
隨後，專家們「紅著臉」修正了標準答案。
修訂後，GPT-6 Astra的分數一路攀升，達到了98%的高分，50道題中。他們解決了49道！
這次，AI不僅做對了題，還把人類科學家的答卷給「反向批改」了。
從黑洞到量子，Astra解開了那些變態難題？
你可能會好奇，能難倒頂級學者一整天的神級物理難題，到底都有那些？
翻開論文的附錄A，彷彿打開了一本《人類前沿物理學天書》。
以下是Astra在此次評測中成功斬獲的難題。
黑弦Page時間計算：【Black-string Page time 】
這是關於黑洞資訊悖論的最前沿研究。
題目要求AI在反德西特空間（AdS4）中，考慮一個包含兩個膜的黑弦背景，AI需要比較AdS4空間中不同極小曲面的面積，來計算Page時間。
Astra不僅精準定位了文獻中五維時空的方程，還自主將其推廣適配到三維，並手寫Python指令碼處理了奇點微分方程，得出完美數值。
全電子原子求解器：【All-electron atomic solver】
題目要求AI「從頭開始」寫一個自洽的全電子原子結構求解器，用來計算硼和鎂處於基態時的軌道能量。
Astra運用了局部密度近似（LDA）、狄拉克-斯萊特交換作用，甚至呼叫了VWN5參數化。
它從零開始，手搓出了求解Kohn-Sham方程的程式碼，算出的硼和鎂基態軌道能量，與美國NIST的微哈特裡級基準資料完全吻合！
軸子轉換率：【Axion conversion】
這是高能物理中尋找暗物質的熱門方向。這道題要求計算在沒有外部電場的情況下，軸子在特定介電常數介質中通過散射電子轉化為光子的速率。
面對複雜的介電常數與耦合條件，Astra完美代入自然單位制（ℏ = c = 1），零失誤推匯出軸子轉化為光子的速率公式，並算出精確浮點數。
陳-西蒙斯β函數：【Chern–Simons beta function】
如果你知道費曼圖計算有多容易讓人掉頭髮，你就會驚嘆於Astra的表現。
這題考察三維陳-西蒙斯物質理論中的規範群貢獻，涉及複雜的辛無跡反對稱張量表示和無窮大重整化。
面對這道三維量子場論的難題，Astra精準識別了傳播子與頂點，完成了複雜的極小減除法計算，給出了封閉形式的β函數係數。
除此之外，Astra還成功解決了以下問題。
流體力學中的邊界層擾動展向尺度計算；
凝聚態物理中一維D類費米子系統的中心電荷求解；
散射振幅中歐幾里得D=6維度的雙圈圖亞發散重整化計算；
涉及量子場論中超對稱共形場論的Seiberg對偶性與14節點顫動規範理論；
弦理論中，IIB型超引力在六維環面緊致化下的歐幾里得蟲洞作用量計算。
很難想像，Astra已經可以攻克這些神級難題，橫掃人類智力的禁區。
科研成本低至3美元！
TheoPhysEval採用了嚴苛的測試機制。
為了模擬真實科研，測試分為兩軌。
真實軌道： 允許AI聯網搜尋、自主寫程式碼呼叫工具。
隔離軌道： 純斷網，只考AI的「內功」。
結果，那怕在斷網的隔離軌道里，Astra和Opus 5.5也雙雙拿下92%的高分！
顯然，前沿大模型不僅是搜尋器，它們在預訓練階段，已經內化了人類物理學文獻的汪洋大海，並且深刻理解了關鍵公式與底層邏輯！
更絕的是，為了防止AI在格式上討巧瞎蒙，出題專家極其狡猾地使用了「數值化駭客技巧」。
為了防止模型瞎蒙，強制要求將所有複雜的解析表示式轉化為帶有干擾項的極高精度數值結果
題目中會強制代入一些冷門、毫無意義的浮點數值干擾項，要求AI最終輸出精確的十進制數字串。
這從根本上杜絕了AI瞎蒙、套公式或者格式討巧的可能性。能得出唯一的數字，就說明AI的推導和程式設計100%正確。
而最讓全球科研機構破防的，是計算成本。
解決這樣一道世界級物理難題，GPT-6 Astra消耗的API Token成本是：平均每題不到3美元！
一杯咖啡的錢，就能雇一個永不疲倦的學術打工人。傳統「人海戰術」，已經失效了。
MIT警告：AI解決率，兩年暴漲17倍
TheoPhysEval只是物理領域的縮影。MIT的Neil Thompson團隊同期發佈的研究，直接向理論科學界拉響了警報。
他們試圖回答這個問題：AI在整個理論科學領域的進化速度，到底有多快？
為了保證絕對公平，MIT團隊提取了2025年12月至2026年5月最新發表論文中的理論難題，在斷網環境下對o1、o3及GPT-5全系模型進行了實測。
測試的領域幾乎包攬了人類智力的王冠：機率論、統計理論、經濟學理論、高能物理、引力與宇宙學、量子物理等。
這些都是重度依賴理論推演，不需實驗驗證結果的「試金石」。
測試資料極其震撼——
2024年中期，最好的AI在這些領域的解題率只有2%。
僅僅兩年後的2026年中期，前沿AI的解決率直接飆升至35%，暴漲了整整17.5倍！
而且，這條指數級增長曲線沒有任何放緩跡象。繼上個月OpenAI宣佈解開數學界千禧年大獎難題後，恐慌正式蔓延到了物理學和經濟學。
Thompson在MIT的半小時內部演講中，聽眾席鴉雀無聲。
「閉嘴，算就完了」時代終結
AI如此兇猛，人類科學家要失業了嗎？
物理學界有句祖訓：「Shut up and calculate!」（閉嘴，算就完了！）。
論文直言：「把這類驗證性計算分配給年輕研究員，已經不再合適。」 因為AI做得更好、更準、更便宜。
人類的「品味」，變得無比重要。
整場測試中，Astra也交了白卷的，是第1b題：從軌跡重建自治微分方程。
這題給了一條帶噪聲的曲線，要求反推微分方程。
結果是，所有頂級AI，在這個需要靈活變通的問題上全軍覆沒。
這是因為AI不會「轉彎」，沒有物理直覺。當資訊不對稱或需要逆向思考時，AI往往會陷入死胡同。
最終，還是需要人類握住方向盤。
未來的科研，將變為「多輪人機互動」。人類提供靈感、方向和學術「品味」，AI負責推導與海量計算。
困擾人類數百年的宇宙大統一理論、暗物質的本質，或許會在未來幾年內被攻克。 (新智元)