GPT-6 Astra拿下TheoPhysEval 98%：AI反向纠错人类物理专家
MIT警告：科学界即将大洗牌
太震撼了。
一项最新研究给出的数字是：
GPT-6 Astra已经解出了98%的全新理论物理难题。
引发学术界震动的，是一个名为TheoPhysEval的顶级理论物理评测。
这些尚未发表的前沿题目，顶尖专家做上一整天才能解出来。
可GPT-6 Astra不光拿到接近满分，还反过来指出出题专家算错了。
人类专家认错之后，GPT-6 Astra的分数从88%升到了98%。
MIT的最新实测也给出了一组数字：过去两年，前沿AI解理论科学难题的能力涨了整整17倍。
数学之后，量子场论、宇宙学、经济学也正在被AI接手。
反向批改：AI给人类顶级大脑「挑错」
评测现在的大模型很不容易，网上的题库早就被它们「吃」光了。
为了摸清AI真实的推理上限，全球顶尖机构的物理学家联合设了一个局，就是TheoPhysEval。
https://arxiv.org/abs/2610.16733
出题机构名单相当豪华：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。
Suvrat Raju、Sudip Chakraborty、A. Ramesh Chandra等数十位知名学者参与了项目。
题目的来源是专家们未发表的最新研究笔记，为的就是防AI作弊。
50道硬核难题覆盖量子场论、全息理论等方向，细分领域的顶尖专家解一道也要一天甚至数天。
哪怕是该细分领域的世界级顶尖专家，没有AI帮忙，解出一道题也要一天或更久；换成相邻领域的专家，就算是物理学大牛，也得花极长时间，甚至根本解不出来。
考试开始，研究人员把这50道题分别喂给GPT-6 Astra、Opus 5.5、Gemini 3.8 Flash以及开源的DeepSeek-V4.1-Flash等模型。
初评结果，GPT-6 Astra得分约88%，Claude Opus 5.5得分92%。
接下来的事让所有人惊掉下巴。项目研究员 Nirmalya Kajuri 披露，专家排查错误时，Astra极度固执。
它不但给出完整推导，还在思维链里坚持：自己的逻辑没问题，是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。
真相让人吃惊：多道题目里，专家发现自己埋在复杂计算中的步骤确实有极细微的疏漏，比如符号写错、近似条件用错。
反倒是AI给出的推导，严丝合缝、挑不出毛病。
专家们只能「红着脸」，把标准答案改了过来。
改完之后，GPT-6 Astra的成绩往上走，50道题里做对了49道，得分到98%。
这一回，AI不只是答对了题，还把人类科学家的卷子反过来批了一遍。
黑洞、量子都在里面，Astra究竟解开了哪些硬题？
能把这些顶级学者卡住一整天的物理难题，到底长什么样？
论文附录A一翻开，像是一本前沿物理的难题集。
下面这些，是Astra在本次评测中拿下的题目。
黑弦Page时间计算（Black-string Page time）
这道题指向黑洞信息悖论方向最前沿的研究。
题目要求AI在反德西特空间（AdS4）里，设想一个含两个膜的黑弦背景，通过比较AdS4空间中不同极小曲面的面积，把Page时间算出来。
文献里五维时空的方程，Astra准确定位到了，还自己把它推广、适配到三维；奇点微分方程则用手写的Python脚本处理，最后给出的数值很漂亮。
全电子原子求解器（All-electron atomic solver）
AI要「从头开始」写一个自洽的全电子原子结构求解器，拿去算硼和镁在基态下的轨道能量。
局部密度近似（LDA）、狄拉克-斯莱特交换作用都用上了，Astra甚至还调用了VWN5参数化。
求解Kohn-Sham方程的代码，它从零手搓出来；算出的硼、镁基态轨道能量，跟美国NIST的微哈特里级基准数据对得完全一致。
轴子转换率（Axion conversion）
这是高能物理里找暗物质的一个热门方向。题目给的条件是：没有外部电场，轴子在特定介电常数的介质中靠散射电子变成光子，要求算出这个转化速率。
介电常数和耦合条件都很复杂，Astra把自然单位制（ℏ = c = 1）代得干干净净，轴子转光子的速率公式推下来没有失误，还给出了精确的浮点数结果。
陈-西蒙斯β函数（Chern–Simons beta function）
费曼图计算有多折磨人，做过的人都懂，所以Astra在这道题上的表现格外扎眼。
题目考的是三维陈-西蒙斯物质理论中规范群的贡献，里头有辛无迹反对称张量表示，还有无穷大重整化。
传播子和顶点，Astra都准确认了出来，极小减除法那套复杂计算也做完了，最终交出封闭形式的β函数系数。
除了上面这几道，Astra还解出了下面这些问题。
流体力学方面，要算出边界层扰动展向尺度。
凝聚态物理方面，一维D类费米子系统的中心电荷需要求解。
散射振幅里，欧几里得D=6维度双圈图的亚发散重整化计算也在其中。
题目还触及量子场论中超对称共形场论的Seiberg对偶性，以及14节点颤动规范理论。
弦理论那道，考的是IIB型超引力在六维环面紧致化下的欧几里得虫洞作用量。
这些题已属人类智力最难碰的角落，Astra却能一道道做出来，实在难以想象。
科研成本低至3美元！
TheoPhysEval的测试机制相当苛刻。
测试设了两条轨道，为的是贴近真实科研场景。
一条叫真实轨道，AI可以联网搜索，也能自己写代码、调用工具。
另一条是隔离轨道，完全断网，只看AI自身的功底。
结果是，即便在断网的隔离轨道上，Astra和Opus 5.5都拿到了92%的高分。
可见前沿大模型不只是个搜索器。预训练阶段，它们已经把人类物理学文献的大量内容装进了模型，对关键公式和背后原理也有相当深入的理解。
出题方还留了一手：用「数值化黑客技巧」，堵住AI在格式上投机取巧、乱猜答案的路子。
所有复杂解析表达式，都被要求转成带干扰项的极高精度数值结果，猜是猜不出来的。
题目里会硬塞进一些冷门又没什么意义的浮点数值当干扰项，AI最后必须给出精确的十进制数字串。
这样一来，蒙答案、套公式、在格式上耍花招都行不通了。能算出那个唯一的数字，就证明AI的推导和编程100%正确。
真正让全球科研机构坐不住的，是算这笔账要花多少钱。
解一道这样的世界级物理难题，GPT-6 Astra花掉的API Token成本平均每题不到3美元。
一杯咖啡的价钱，就相当于请了一个不知疲倦的学术劳动力。传统那种堆人力的做法，已经不灵了。
MIT警告：AI解决率，两年暴涨17倍
物理只是TheoPhysEval照见的一个切面。MIT的Neil Thompson团队几乎同时发布研究，给理论科学界敲了警钟。
他们想弄清楚的是：AI在整個理论科学领域的进化速度究竟有多快？
为求公平，MIT团队从2025年12月至2026年5月最新发表的论文里挑出理论难题，在断网环境下实测了o1、o3及GPT-5全系模型。
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……这次测试覆盖的领域，几乎把人类智力桂冠上的几颗明珠都摘了下来。
它们有个共同点：全靠理论推演，不需要实验来验证结果，是检验智力的「试金石」。
测试数据相当扎眼。
2024年中期，最强的AI在这些领域的解题率还只有2%。
仅仅两年之后的2026年中期，前沿AI的解决率就蹿到了35%，涨了整整17.5倍。
这条指数曲线眼下看不到任何放缓的苗头。上个月OpenAI刚宣布解开数学界的千禧年大奖难题，如今恐慌已经蔓延到物理学和经济学。
Thompson在MIT做的那场半小时内部演讲，台下没人出声。
「闭嘴，算就完了」的时代结束了
AI这么猛，人类科学家会丢饭碗吗？
物理学界有句老话：「Shut up and calculate!」（闭嘴，算就完了！）
论文说得很直接：「把这类验证性计算分配给年轻研究员，已经不再合适。」理由很简单——AI干得更好、更准、也更省钱。
人类身上的「品味」，反而变得无比重要。
整场测试里，Astra也交出白卷的，是第1b题：从轨迹重建自治微分方程。
题目给的是一条带噪声的曲线，要求倒推出微分方程。
结果，所有顶级AI都栽在这道需要灵活变通的题上。
原因在于AI不会「转弯」，也没有物理直觉。一旦信息不对称，或者需要逆向思考，它往往就走进死胡同。
方向盘最终还是得握在人类手里。
未来的科研会变成「多轮人机交互」：灵感、方向和学术「品味」由人类提供，推导和海量计算交给AI。
困扰人类数百年的宇宙大统一理论、暗物质的本质，或许未来几年就能被攻克。
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
