GPT-6-Astra 以每题 $2.40 的成本解决 50 道物理研究题中的 49 道
GPT-6-Astra 在 OpenAI 的 Codex coding environment 中以 49/50 题、98% 的准确率完成理论物理研究任务，平均每题成本低于 $3，整套评测约 $116。Anthropic 的 Opus 5.5 获得 92%，Gemini 3.8 Flash 为 68%，但该评测主要考察常规研究计算，尚不代表 AI 已能独立提出重要物理理论。
#Anthropic
The DecoderAI 评分3939
tldraw BlogAI 评分4949 tldraw 迷宫实验：Haiku 击败 Sonnet 与 Opus
tldraw 让 Haiku、Sonnet 和 Opus 在 240 场迷宫竞赛中挑战 3 种启发式方法，Haiku 以 163 场最快完成、68% 的胜率居首，并展现出更快的纠错效率。