---
title: "GPT-6-Astra розв'язала 49 із 50 завдань з теоретичної фізики та знайшла помилки у рішеннях самих вчених"
description: "Фізики протестували ШІ-агентів на 50 неопублікованих завданнях теоретичної фізики: GPT-6-Astra розв'язала 49 із 50, а в низці випадків дослідники визнали помилки у власних еталонних рішеннях."
date: 2026-10-18T11:08:23.245Z
lang: uk
url: https://xab.info/uk/posts/gpt-6-astra-rozvjazala-49-iz-50-zavdan-z-fizyky
tags: [gpt-6-astra, ai-agents, theoretical-physics, theo-phys-eval, openai]
author: "Олександр Буран"
publisher: "XAB.info"
---

# GPT-6-Astra розв'язала 49 із 50 завдань з теоретичної фізики та знайшла помилки у рішеннях самих вчених

![Записані на папері складні математичні формули та графіки поруч із планшетом на столі](https://xab.info/media/2026/10/18/gpt-6-astra-reshila-49-iz-50-zadach-po-fizike/gpt-6-astra-reshila-49-iz-50-zadach-po-fizike-1.webp)

## Ключові тези

- У тесті TheoPhysEval із 50 неопублікованих завдань GPT-6-Astra розв'язала 49, досягнувши точності 98% за вартості менше ніж $3 за завдання.
- У кількох випадках дослідники спершу прийняли правильні відповіді моделі за помилки, але після перевірки знайшли недоліки у власних еталонних рішеннях.
- Точність мало падала без доступу до інтернету, що автори пов'язують із запам'ятовуванням моделлю значної частини наукової літератури.

Фізики провели стандартизоване випробування ШІ-агентів на завданнях дослідницького рівня і отримали результат, який автори називають «сильним». У тесті TheoPhysEval, що складається з 50 неопублікованих завдань з теоретичної фізики, модель GPT-6-Astra в середовищі Codex від OpenAI впоралася з 49 із 50 завдань. Ба більше, в кількох випадках дослідники спочатку визнали правильні відповіді моделі помилковими — і лише після консультацій з експертами з'ясувалося, що недоліки були в їхніх власних еталонних рішеннях. Це перетворило перевірку точності ШІ на перевірку якості самих контрольних відповідей.

### Що перевіряли: 50 неопублікованих завдань із 11 розділів

Для тесту команда фізиків зібрала 50 завдань із 11 розділів теоретичної фізики. На момент випробування жодне завдання ніде не публікувалося, хоча кожне допускало перевірку результату. Автори навмисно виключили великі невирішені проблеми: мета полягала не в тому, щоб змусити модель зробити принципово нове відкриття, а в тому, щоб виміряти, наскільки добре агент виконує конкретну розрахункову роботу, з якою стикається дослідник. У багатьох завданнях вихідні значення були змінені порівняно з недавніми статтями самих дослідників, тому готову відповідь не можна було просто перенести з публікації — залишався застосовним лише сам метод. За оцінкою авторів, експерт світового рівня зазвичай витрачає на таке завдання майже день, а фахівець із суміжної галузі — значно більше часу.

### Результати: 98% точності та ціна менше трьох доларів за завдання

У режимі з доступом до інтернету, наукової літератури та інструментів для обчислень Astra досягла точності 98%, витративши в середньому менше ніж $3 на завдання. Для порівняння: Opus 5.5 від Anthropic у Claude Code розв'язала 46 завдань із 50 (92%), Gemini 3.8 Flash — 34, DeepSeek-V4.1-Flash — 27, а GLM 5.3 — 21. Таким чином, розрив між лідером та іншими учасниками тесту виявився суттєвим, а вартість розв'язання однієї дослідницької задачі виявилася зіставною з ціною чашки кави.

### Коли ШІ виявився правим, а вчені — ні

Кілька відповідей Astra спочатку були відхилені як помилкові. Проте після перевірки та консультацій з експертами автори виявили недоліки у власних еталонних рішеннях; після їх виправлення розрахунки ШІ-моделі у всіх таких випадках були визнані правильними. Єдине завдання, яке Astra не розв'язала навіть із вебпошуком, не змогли розв'язати й інші моделі: потрібно було відновити диференціальне рівняння за заданою кривою, а неоднозначність умови суттєво ускладнювала пошук рішення.

### Пам'ять замість пошуку

Точність моделей мало змінювалася при відключенні доступу до інтернету: без вебпошуку Astra й Opus показали однаковий результат у 92%. На думку авторів, це може вказувати на те, що провідні моделі фактично засвоїли значну частину наукової літератури і здатні відтворювати потрібні формули без пошуку за джерелами. Водночас автори підкреслюють, що повністю виключити вплив навчальних даних, спираючись виключно на це дослідження, не можна.

### Межа можливостей: розрахунок ще не дослідження

Успіх у розрахунках не означає, що ШІ вже здатний самостійно вести повноцінні фізичні дослідження. Вибрати значущу проблему, сформулювати правильне запитання і зрозуміти, коли варто змінити напрямок роботи, моделям поки вдається помітно гірше, ніж розв'язувати завдання з перевірюваною відповіддю. TheoPhysEval, за задумом авторів, вимірює саме розрахункову складову дослідницької праці — і в цій вузькій, але важливій частині ШІ-агенти продемонстрували рівень, наближений до експертного.

## Перевірка фактів і джерела

- [GPT-6-Astra решила 49 из 50 задач по теоретической физике — и нашла ошибки в расчётах учёных](https://www.ixbt.com/news/2026/10/17/gpt-6-astra-resila-49-iz-50-zadac-po-teoreticeskoi-fizike-i-nasla-osibki-v-rascetax-ucenyx.html) - Першоджерело; містить усі ключові цифри: 49/50, 98%, <$3, результати Opus 5.5 (46), Gemini 3.8 Flash (34), DeepSeek-V4.1-Flash (27), GLM 5.3 (21), самокорекцію еталонів та єдине невирішене завдання.
- [GPT-6-Astra решила 49 задач по физике и нашла ошибки в ответах учёных](https://itzine.ru/news/ai/gpt-6-astra-49-zadach-fizika-oshibki-uchenyh.html) - Підтверджує назву тесту TheoPhysEval, 50 завдань із 11 розділів, зміну вихідних значень та оцінку часу експерта.
- [GPT-6-Astra решила 49 из 50 задач в тесте по теоретической физике](https://cisoclub.ru/gpt-6-astra-reshila-49-iz-50-zadach-v-teste-po-teoreticheskoj-fizike/) - Підтверджує середовище Codex від OpenAI, <$3 за завдання, 11 розділів, 92% у Opus 5.5 та однаковий результат Astra/Opus без інтернету.
- [GPT-6 Astra: OpenAI хочет превратить ИИ из помощника в исполнителя задач](https://habr.com/ru/companies/otus/news/1078608/) - Контекстне джерело про позицію OpenAI щодо моделі; не суперечить цифрам тесту.

## Часті запитання

### Що таке тест TheoPhysEval?

Це набір із 50 неопублікованих завдань з теоретичної фізики із 11 розділів, зібраний командою фізиків для перевірки ШІ-агентів. Завдання перевіряють застосування відомих методів до змінених умов, а не здійснення нового відкриття; на момент випробування вони ніде не публікувалися.

### Скільки завдань розв'язала GPT-6-Astra і скільки це коштувало?

Astra розв'язала 49 із 50 завдань (точність 98%) у режимі з доступом до інтернету та інструментів, витративши в середньому менше ніж $3 на завдання в середовищі Codex від OpenAI.

### Чому автори спочатку визнали відповіді моделі помилковими?

У кількох випадках дослідники прийняли правильні відповіді Astra за помилки, але після консультацій з експертами виявили недоліки у власних еталонних рішеннях; після виправлень розрахунки ШІ були визнані правильними.

### Чи означає це, що ШІ веде повноцінні фізичні дослідження?

Ні. Автори підкреслюють, що успіх у розрахунках не дорівнює здатності самостійно вести дослідження: вибирати значущу проблему, формулювати запитання і міняти напрямок роботи моделі поки роблять гірше, ніж розв'язувати завдання з перевірюваною відповіддю.