GPT 6 Astra löst 49 von 50 Physikaufgaben im neuen Benchmark
GPT 6 Astra hat im neuen Benchmark TheoPhysEval 49 von 50 Aufgaben aus der theoretischen Physik gelöst. Der KI Agent arbeitete dabei selbstständig in Codex, nutzte Literaturrecherche und Rechenprogramme und kam ohne menschliche Hinweise aus.
Für den gesamten Durchlauf fielen nach Angaben des Benchmarks API Kosten von 116,28 Dollar an, was rund 2,37 Dollar pro erfolgreicher Lösung entspricht. Im Vergleich erreichte Opus 5.5 mit Claude Code 46 richtige Antworten, Gemini 3.8 Flash mit Antigravity kam auf 34. Ohne Internetzugriff erzielten GPT 6 Astra und Opus jeweils 46 richtige Antworten.
Bei der Nachprüfung stellten Experten fest, dass einige zunächst als falsch bewertete Antworten von GPT 6 Astra wegen Fehlern in den Referenzlösungen korrekt waren. An einer Aufgabe scheiterten jedoch alle getesteten Agenten.
