最高第 3 名现在第 3 名

GPT-6 Astra物理基准高分引发修正

Freddy Vega称GPT-6 Astra在某物理基准上原始得分为+80%，团队核查后确认其对专家结果的反驳正确，新分数为98%。

首次上榜 10月15日 01:55 · 榜单是怎么排的

名次变化

要点

GPT-6 Astra 在一项物理基准测试中拿到 +80%，并坚称专家给出的结果是错的、自己的计算是对的。
一个团队核查后确认 GPT-6 Astra 是对的，新分数为 98%。
@Kaju_Nut 表示初步评估显示 GPT-6-Astra 的分数在八十几分靠后区间，Opus 5.5 紧随其后；专家后来发现自己的计算里藏着细微错误。
@kimmonismus 表示 TheoPhysEval 的作者发现参考解答中有错误，确认 Astra 在这些情况中是对的；配合工具和网页访问使用 Codex 时，它拿到 49/50（98%）。

要点和反应摘要由 AI 依据本页推文整理，请以原推为准。我们怎么用 AI

原推

Freddy Vega @freddier 31.7万粉丝10月15日 02:51

GPT-6 Astra got +80% on a Physics benchmark. It insisted the expert results were wrong and its calculations were right. A team checked. And yes. GPT-6 Astra was right. New score: 98%

1.2万点赞 682转发 114回复 57万浏览

在 X 上查看收藏

同一事件，其他人怎么说

2 条

Nirmalya Kajuri @Kaju_Nut 10月14日 22:255,520

称GPT-6-Astra与Opus 5.5评测得分近90，复查发现是专家答案有隐藏错误，模型坚持正确。
在 X 上查看
Chubby♨️ @kimmonismus 10月15日 12:58413

Chubby称GPT-6 Astra在TheoPhysEval中答对专家误判的物理题，用Codex带工具得49/50（98%）。
在 X 上查看

X 上的热门回复

X 上的反应： 回复整体对这个结果表示认可，有人说这像是从“闭嘴计算”转向“慢下来思考”，还有人打趣说 Astra 给评分的人评了分。也有人质疑：模型既然这么强，为什么在 codex、cc、muse 这类编程工具里还是不听指令。原推作者没有回应。

登录后查看 X 上的 4 条热门回复

来自 @Sayan_Quantum, @tchlux, @Kaiser1710 等，已过滤广告，附中英文翻译。

免费注册已有账号？登录

讨论 0

最热最新

还没有人讨论，来说第一句。