CritPt v2 physics exam: GPT-6 Astra leads at 83%, DeepSeek V4.1 Flash at 50%

墨无归 @MoblacksoilOriginally posted 2026.10.23

Open original on X

研究级物理题考试 CritPt 出了 v2，OpenAI 包揽前两名：GPT-6 Astra 83%，GPT-6.1 Sol 82%。 这一版 70 道题全部由原作者团队复核过，模型改成在离线沙箱里写代码、跑计算来解题。官方图共列 11 个模型，Claude Opus 5.5 以 78% 排第三；Grok 4.7 拿到 50.6%，排第九，和 DeepSeek V4.1 Flash 的 50.0% 几乎持平。一年多前发布的 GPT-5 只有 29%。

This post quotes another post: “CritPt v2 physics benchmark: GPT-6 Astra tops at 83%”