GPT-6 Astra résout 49 problèmes de physique théorique sur 50

Un collectif de 35 chercheurs, incluant l'ICTS, le Tata Institute of Fundamental Research, l'Université de Pennsylvanie et Google DeepMind, a publié le 9 octobre 2026 le benchmark TheoPhysEval, selon aitimes.com. Sur 50 problèmes de physique théorique non publiés, GPT-6 Astra en a résolu 49 sans indication humaine, dans des conditions autorisant la recherche web et l'exécution de code.

Le coût total des appels API de GPT-6 Astra s'est élevé à 116,28 dollars, soit environ 2,33 dollars par problème. Les autres modèles testés obtiennent des scores plus faibles : Opus 5.5 résout 46 des 50 problèmes, Gemini 3.8 Flash 34, DeepSeek-V4.1 Flash 27 et GLM-5.3 21.

Un seul échec partagé par tous les modèles

GPT-6 Astra a échoué sur un problème : trouver l'équation différentielle qui génère une courbe donnée. Tous les autres modèles ont également échoué sur cette question.

Lors de la notation, des réponses de GPT-6 Astra initialement jugées fausses se sont révélées correctes après que des experts ont revérifié et corrigé de subtiles erreurs dans leurs propres solutions de référence, portant la précision finale du modèle à 98 %. Avec l'accès à internet bloqué, GPT-6 Astra et Opus 5.5 ont chacun résolu 46 problèmes.

Le coauteur Subhraj Raju, de l'ICTS, a raconté sur son blog personnel le 14 comment l'évaluation avait commencé, et a déclaré qu'il n'avait pas pu dormir pendant plusieurs jours après avoir vu les résultats. Environ six mois plus tôt, il avait soumis un problème non publié à une IA, qui avait d'abord mal répondu avant de le résoudre après plusieurs indications.