CritPt v2 上线 Artificial Analysis：GPT-6 Astra 以 83% 登顶
CritPt v2 has launched on Artificial Analysis: the CritPt authors have reviewed all 70 research-level physics challenges, and models now solve them with a code-
CritPt v2 已在 Artificial Analysis 上线，70 道研究级物理题经作者团队全面复核，改为在离线沙箱中带代码执行工具以智能体方式作答。GPT-6 Astra（max）与 GPT-6.1 Sol（max）分别以 83%、82% 居首，Claude Opus 5.5（max with fallback）78%、GPT-5.6 Sol（max）75% 紧随其后。2025 年 8 月发布的 GPT-5（high）仅得 29%，比 GPT-6 Astra（max）低 54 个百分点。
正文 · AI 翻译
CritPt v2 已在 Artificial Analysis 上线：CritPt 作者团队已复核全部 70 道研究级物理挑战题，模型现在可以借助代码执行工具来解答这些题目
根据研究界的反馈，CritPt 团队与物理学专家合作者复核了每一道挑战题，修正了表述不明确之处、错误和拼写错误，并提升了评分器的稳定性。我们现在以智能体方式运行 CritPt v2：模型可以在离线沙箱中编写并运行代码，并使用计算工具。
我们将在 10 月下旬更新 Intelligence Index，其中包括对 CritPt 的改动。
主要结论：
➤ OpenAI 近期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%，紧随其后的是 Claude Opus 5.5（max with fallback）78% 和 GPT-5.6 Sol（max）75%
➤ CritPt v2 显示出前沿在研究级物理方面的快速进展：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 团队在本次修订中的工作与持续合作