让我意外的是关掉联网以后，各家的正确率几乎没变。

题是三十多位研究者从自己研究里改出来的 50 道未发表理论物理题，量子场论、宇宙学、凝聚态都有。GPT-6-Astra 在 Codex 里对了 49 道，Opus 5.5 配 Claude Code 对了 46 道，两边都是整套 agent 在跑。很多题要用到论文里的具体公式，不查也写得出来，看着像是文献已经背进权重里了。

还有几道一开始判 Astra 错，回头找出题专家核对，是参考答案自己算错了。标准答案都会出错，49 和 46 差的那三道，我不太当真。

#人工智能 #大模型 #AI