2026年10月，一项由哈佛大学和Google 35位理论物理学家与AI研究者共同构建的全新基准测试——TheoPhysEval——引发学界广泛关注。该测试包含50道此前从未公开发表的理论研究级物理问题，覆盖量子场论、全息原理、黑洞物理、散射振幅、凝聚态量子相、流体动力学等11个前沿子领域。在采用目前为止前沿的几个大语言模型进行测试之后，结果显示，OpenAI的GPT‑6 Astra（在Codex编程环境中运行）在允许联网与工具调用的“现实条件”下，正确解决了其中49道，准确率达98%，平均每题成本不足3美元（整体约116美元）。
这一结果不仅刷新了AI在科学研究中的能力边界，也让“物理学正在被AI改写”的讨论从数学领域进一步延伸至理论物理。
测试设计：严防“作弊”的真实研究级挑战
TheoPhysEval的独特之处在于其问题来源与评估标准。所有50道题均由各子领域顶尖专家贡献，取自他们尚未发表的最新研究笔记或计算草稿。题目被设计为“可验证答案”的计算型问题（所谓“turn‑the‑crank”类型）——即在已知方法基础上进行扩展计算，而非完全开放的概念性突破。专家估计，相关领域的顶级专家独立完成一道典型题目约需一天或更短时间；相邻领域专家则需显著更久。
为防止模型通过训练数据“背答案”，测试团队严格确保问题在评测时完全未公开。模型在无任何人类提示的情况下自主运行，分为两个赛道：
- 现实赛道（允许联网搜索文献、编写数值/符号计算脚本）；
- 隔离赛道（禁止联网与外部资料）。
GPT‑6 Astra在现实赛道取得49/50的成绩；在隔离赛道仍达到46/50（92%）。Anthropic的Claude Opus 5.5紧随其后，两个赛道均为46/50。Google Gemini 3.8 Flash约为68%/62%，开源模型DeepSeek‑V4.1‑Flash与GLM‑5.3则分别在50%上下。
值得注意的是，初期评估中Astra被判定在若干题目上出错，但经专家复核后发现，部分参考答案本身存在细微错误。修正后，Astra的解决方案被确认为正确，最终得分提升至49/50。唯一未被任何模型攻克的题目是一个“逆问题”（从曲线反推微分方程），所有系统均未能解决。
能力边界：计算执行力强，但“品味”仍缺
论文作者指出，当前顶尖AI代理已能以接近甚至超越单领域专家的准确率，完成理论物理中大量“具体计算”工作。成本效益尤为惊人——一位世界级物理学家一天的工作量，被压缩至数美元的API费用。
然而，研究者也强调了关键局限：这些题目多为“已知方法的延伸计算”，而非需要深刻物理直觉、创造性猜想或“品味”（taste）的突破性发现。作者认为，AI目前仍缺乏真正推动理论物理学范式转变所需的“审美判断”与问题选择能力。换言之，AI擅长“解题”，但尚未展现出“提出正确问题”的能力。
此外，隔离赛道与现实赛道成绩差距不大，暗示模型对已有文献存在较高程度的“记忆”或内化，而非完全依赖实时检索。单次运行与物理子领域覆盖不均，也限制了分数的精确解读。
从数学到物理：AI科研辅助的加速扩展
此前，AI在数学领域已多次引发震动——从IMO满分到对开放问题的形式化证明尝试。TheoPhysEval的结果标志着类似能力开始系统性渗透理论物理。与数学不同，物理计算往往涉及更复杂的符号推导、数值验证与跨文献综合，对工具调用与长程推理要求更高。
这一进展的直接意义在于：
- 科研效率提升：大量常规但耗时的计算工作可被AI代理大幅加速，释放人类专家精力用于更高层次的概念创新。
- 成本门槛降低：以极低成本完成专家级计算，可能改变小团队与资源有限机构的研究方式。
- 错误发现能力：模型在部分案例中反向指出人类参考答案的错误，显示出一定的“交叉验证”潜力。
但风险同样存在。过度依赖AI可能导致对计算过程的理解弱化、错误传播加速，以及“黑箱”结果难以被充分审查。物理学的核心价值不仅在于得到正确答案，更在于理解其物理意义与适用边界。
客观评估与未来展望
TheoPhysEval的结果是真实且经过严格设计的：问题未公开、答案可验证、测试条件透明。它有力证明了当前前沿AI代理在理论物理计算执行层面已达到极高水平。但将其直接等同于“物理学被AI改写”仍需谨慎——计算能力的跃升与理论范式的真正突破之间，仍存在实质性鸿沟。
目前，该工作以预印本形式发布，完整同行评议与更大规模独立复现仍有待进行。未来，类似基准的扩展（涵盖更多需要创造性洞察的问题）、人机协作模式的探索，以及AI结果的可解释性与可审计性，将成为关键议题。
总体而言，GPT‑6 Astra在TheoPhysEval上的表现，是AI辅助科学研究从数学向物理自然延伸的重要节点。它既展示了巨大潜力，也清晰勾勒出当前技术的边界：AI可以成为极其高效的“计算助手”，但真正推动物理学前进的“品味”与原创性，短期内仍主要掌握在人类研究者手中。两者如何协同，将决定未来数年科学发现的节奏与形态。
▶️ 喜欢这篇内容？创作真的很辛苦！
欢迎关注我们的 YouTube 频道：
AI Rosetta
你的点赞、订阅和分享，是对我们最大的支持！🙏
更多AI新闻请访问：
https://www.airosetta.com