GPT-6-Astra, 50 Fizik Probleminin 49'unu Çözerek %98 Başarı Elde Etti, Maliyeti $2,40

Uluslararası bir araştırmacı grubu, International Centre for Theoretical Sciences, Harvard, KU Leuven ve Google DeepMind gibi kurumların temsilcileriyle birlikte TheoPhysEval adlı bir benchmark geliştirdi. Benchmark, yayınlanmamış 50 teorik fizik problemi içeriyor; bu problemler, mevcut yöntemlerle hafifçe değiştirilmiş gerçek araştırma sorularından oluşuyor ve cevapları doğrulanabilir. Araştırmacılar, bir uzmanın bu tip bir problemi AI yardımı olmadan bir gün içinde çözebileceğini, komşu alan uzmanlarının ise çok daha uzun süreceğini belirtiyor.

Testlerde, GPT-6-Astra OpenAI Codex ortamında çalıştırıldı ve 49 soruya doğru yanıt vererek %98 başarı elde etti. Ortalama maliyet $2,40 (toplam $116) olarak raporlandı. Model, internet erişimiyle ve erişimsiz iki kez test edildi; internet olmadan da %92 başarı gösterdi. Diğer ticari modeller arasında Anthropic Opus 5.5 %92, Google Gemini 3.8 Flash %68, DeepSeek‑V4.1‑Flash %54 ve GLM 5.3 %42 skorları aldı. En zor sorulardan biri, tüm modelleri şaşırtan ve sadece insan uzmanların çözebildiği bir diferansiyel denklem gerektiren bir problem olarak öne çıktı.

Araştırmacılar, GPT-6-Astra ve benzeri büyük dil modellerinin teorik fizik literatürünün büyük bir kısmını etkili bir şekilde ezberlediğini ve bu sayede rutin hesaplamalarda insan uzmanlarıyla eşdeğer performans sergilediklerini belirtiyor. Ancak, modelin hâlâ "tat" ve araştırma yönlendirme yeteneği eksik; yeni problemler tasarlama ve araştırma vizyonu geliştirme konusunda hâlâ insan araştırmacıların gerisinde kalıyor. Bu durum, AI'nın sadece hesaplama aşamasında değil, araştırma sürecinin bütünsel yönlendirilmesinde de ilerleme kaydetmesi gerektiğini gösteriyor.

Bu gelişmeler, teorik fizik alanındaki eğitim ve araştırma dinamiklerini de etkileyebilir. Artık birinci yıl doktora öğrencileri için bile bu tür benchmark problemleri çok kolay hale gelebilir, bu da eğitim müfredatının ve araştırma projelerinin yeniden değerlendirilmesini gerektirebilir. Ayrıca, AI destekli hesaplamaların düşük maliyeti, teorik araştırmalarda bütçe ve erişim eşitsizliği konularını da gündeme getiriyor; daha karmaşık problemler için maliyetin hızla artması, kaynakların daha az olan grupların rekabet gücünü azaltabilir.