Artificial Analysis (@ArtificialAnlys) · 2026/10/23 01:55:37
CritPt v2 发布 前沿模型代码沙盒解物理难题
Artificial Analysis 上线 CritPt v2，修正了70道研究级物理题并引入离线代码执行沙盒。最新榜单显示 GPT-6 Astra 以83%得分领跑，较一年前的 GPT-5 提升54个百分点，凸显前沿模型在复杂推理与工具调用上的快速进展。
报道全文原始报道全文
Artificial Analysis (@ArtificialAnlys) · 2026-10-22 17
CritPt v2 已在 Artificial Analysis 上线：CritPt 作者团队修订了全部 70 道研究级物理挑战题，目前模型可借助代码执行工具解决这些问题。
根据研究社区的反馈，CritPt 团队与物理学专家合作者对每一道题目进行了审查，修正了表述不清、错误及拼写问题，并提升了评分器的稳定性。我们现在以 agentic（智能体）模式运行 CritPt v2：模型可以在离线沙箱中编写和运行代码，并使用计算工具。
我们将在十月底更新 Intelligence Index（智能指数），其中包含针对 CritPt 的调整。
关键要点：
➤ 近期 OpenAI 发布的模型位居榜首：GPT-6 Astra (max) 和 GPT-6.1 Sol (max) 得分最高，分别为 83% 和 82%，其次是 Claude Opus 5.5 (max with fallback) 得分为 78%，以及 GPT-5.6 Sol (max) 得分为 75%
➤ CritPt v2 展示了前沿模型在研究级物理领域的快速进步：于 2025 年 8 月发布的 GPT-5 (high) 在 CritPt v2 上得分为 29%，比 GPT-6 Astra (max) 低 54 个百分点
感谢 @MiniHui_zhu、@MinyangTian1、@haopeng_uiuc 以及更广泛的 CritPt 团队在此次修订中的工作及持续的合作
