一项测试揭秘了：国产大模型和国外大模型，物理学方面有巨大差距

AI斩杀数学后，下一个目标很可能是：理论物理！

就在前几天，物理学家出了50道前沿的物理学难题，让5种AI解答——ChatGPT、DeepSeek、Claude、智普、Gemini。这项测试，揭秘了这5个大模型 在物理学方面有巨大差距。

这50道难题有4个特点：

• 都来自理论物理的前沿研究，答案在测试时 尚未公开。
• 最终答案是一个数字，方便客观评分。
• 主要用已知方法拓展已有研究，例如修改参数、维度、边界条件等。
• 不包括 量子引力、高温超导等重大难题

题目难度：如果让世界该领域的顶级专家做这道题，需要花1天左右的时间；如果是该领域的普通教授，则需要花很多天才能完成。

总共50道题：

• GPT-6-Astra做对了其中49道！平均一道题花费10~20分钟，算力成本为2.3美元左右！这是亮点，才2.3美元。
• Claude Opus 5.5：做对了46道题；
• Gemini 3.8 Flash：做对了34道题；
• DeepSeek-V4.1-Flash：做对了27道题；
• 智普GLM 5.3：做对了21道题；

为啥没有万能的豆包？！这是物理学家瞧不起豆包吗？！在抖音的评论区，很多人喜欢拿豆包，攻克物理难题。（我个人感觉，豆包的学术能力很差）

这项研究，2026年10月9日发表在arXiv:2610.16733，题目是《评估AI智能体自主解决理论物理问题的能力》，研究团队包括 哈佛大学、Google DeepMind等35位研究者。

其中有一个小插曲：有多道题目，GPT-6 Astra 坚持专家给的答案是错的，AI自己的计算才是对的。团队去核对后发现，确实是专家错了，AI的答案才正确。

物理学家最初预测，GPT-6-Astra只能做对40道左右的题目，Astra的最终竟然做对了49道题目，只错了1道题！

哪道题这么牛B，AI竟然也做错了？这道题在文章结尾。

过去几十年，理论物理学家的稀缺性，来自3种能力：

• 理解深奥的理论
• 完成复杂的计算
• 提出有价值的新问题和新理论框架

前两个已经完全被AI取代，剩下的只有“提出有价值的新问题和新理论框架”。

论文反复指出：AI目前缺乏物理学家那种“什么问题有意思”、“什么问题有价值”的物理直觉；让AI自己出题时，AI会过度关注人类觉得无聊的技术细节；研究前期的“建新理论 + 问对问题”仍依赖人类。

我个人觉得：物理学大抽卡时代要来了！以后看谁运气好，问AI大人问题时，问对了问题；或者说，比拼个人的物理直觉。

下面是全部50道题（结尾有彩蛋，一定要看结尾）：

我个人感觉，这50道题大概相当于硕士论文的难度，应该达不到博士论文的难度。

一、引力与宇宙学（6题）

问题1：黑洞事件视界附近，能否出现不同拓扑结构的时空？

把传统黑洞近视界几何推广到球面、环面、双曲空间等不同曲率与拓扑类型。

要求AI推导这些几何结构能够存在的条件，并计算指定模型下的几何尺度。

问题2：十维宇宙演化时，额外维度会不会越来越难被发现？

在十维IIB超引力模型中，把六个额外维度紧致化。

要求AI计算宇宙演化到很晚的时候，四维宇宙的哈勃尺度与额外维度激发尺度之间的比例如何变化。

核心是判断两种物理尺度能否逐渐明显分离。

问题3：由多个高维双曲空间组成的宇宙，会怎样膨胀？

把高维引力理论中的额外维度设置为多个紧致双曲空间的乘积。

要求AI推导对应的四维宇宙演化方程、稳定吸引子以及膨胀规律，并分析将一个双曲空间换成球面会怎样。

问题4：超引力理论中，能否构造数学上光滑的虫洞？

在十维IIB超引力紧致化模型中，寻找欧几里得虫洞解。

要求AI判断虫洞是否满足正则性条件，构造相应的十维解，并计算其作用量等数学量。

这里研究的是理论上的欧几里得虫洞解，不是证明现实宇宙存在可穿越虫洞。

问题5：遥远天体释放的能量，会受到多大的量子真空涨落干扰？

在量子场论中，远处辐射能量的测量可能受到真空涨落影响。

要求AI建立有限距离、有限观测时间的模型，计算能量通量的方差，并判断经过合理平滑处理后，涨落是否有限。

问题6：特殊黑洞微观态几何中，标量场有哪些允许的振动频率？

在一种具有AdS渐近结构的黑洞微观态模型中，加入一个标量场。

要求AI求解场的运动方程，计算满足边界条件的两个最低振动频率。

二、全息原理与量子纠缠（5题）

问题7：能量穿过全息宇宙中的特殊界面，会损失多少？

在AdS/CFT全息模型中，两个区域通过一个具有特殊几何结构的界面连接。

要求AI利用引力侧的几何数据，精确计算能量穿过界面时的透射系数。

问题8：高维宇宙中的两张膜，会怎样相互作用？

研究Randall–Sundrum双膜模型：两张膜位于更高维的反德西特时空中。

要求AI推导描述膜间距离变化的低能有效作用量，包括相应的动能项和势能项。

问题9：量子纠缠熵中的对数项，究竟由什么决定？

假设两个不同的共形场论通过一个界面连接。

要求AI计算不同空间区域的纠缠熵中，普遍存在的对数发散项，并将它们与共形反常系数联系起来。

问题10：黑洞的信息什么时候开始重新显现？

在四维AdS时空中的特殊黑弦模型里，研究不同极值曲面的竞争关系。

要求AI计算Page时间——在这个理论模型中，描述黑洞辐射纠缠熵演化由一种行为切换到另一种行为的临界时刻。

注意，这不是对真实天体黑洞Page时间的直接测量。

问题11：修正爱因斯坦引力理论后，量子纠缠的几何结构会怎样变化？

在包含高阶曲率修正项的引力理论中，研究几何熵产生的哈密顿流。

要求AI计算一个特定极值曲面附近，空间几何在熵生成变换下的局部变化系数。

三、粒子物理学（2题）

问题12：假想中的轴子，如何在普通物质中变成光子？

轴子是暗物质候选粒子之一。

题目要求AI计算轴子在普通介电材料中通过与电子相互作用而转化为光子的速率，并分别考虑相对论性与非相对论性轴子。

问题13：四夸克粒子的量子态，究竟有多少种独立的数学结构？

研究一种自旋为1的轴矢量四夸克态。

要求AI利用洛伦兹对称性等条件，列出其四夸克矩阵元所有独立的张量结构，并计算总数。

四、电子结构理论与材料计算（4题）

这4道题非常特别：前3题逐步建立计算工具，第4题再将这些工具用于真实材料结构。

问题14：从零编写程序，计算硼原子和镁原子的电子结构。

要求AI只使用基础数值计算库，自己编写密度泛函理论的原子求解器，计算硼、镁的电子能量、轨道和电子密度，并与标准数据核对。

问题15：能不能用更简单的势场代替复杂的原子核与内层电子？

在上一题的基础上，构建硼和镁的模守恒赝势。

通俗地说，就是把复杂的内层电子作用压缩成一个简化的有效势，同时尽量保留真实的价电子物理性质。

问题16：简化原子计算时，会不会凭空算出不存在的电子态？

把上一题得到的赝势转换成更容易计算的可分离形式，并检查是否出现“幽灵态”。

所谓幽灵态，就是数学近似引入了实际上不应该存在的虚假电子能级。

问题17：从零编写密度泛函程序，计算一种未知结构的二硼化镁。

给AI一种尚未公开的亚稳态二硼化镁晶体结构，要求它利用前面建立的工具，实现平面波自洽场计算。

最终计算晶体总能量、费米能级、能带结构等数据，而不能直接调用现成材料数据库的答案。

五、量子物态与凝聚态物理（5题）

问题18：拓扑量子系统的临界点，会不会因为微小扰动而消失？

构建一个一维费米子宇称泵模型，研究它的拓扑临界点。要求AI确定临界理论的中心荷，并分析自由费米子扰动会让该临界点变成什么结构。

问题19：两种对称性破缺状态之间，会发生怎样的相变？

在一个三维格点模型里调整相互作用参数，研究两种不同的部分对称性破缺状态之间如何转变。

要求AI判断不同对称性条件下，相变究竟属于什么类型。

问题20：特殊晶格中的狄拉克点究竟在哪里？

在一种称为“枫叶晶格”的二维量子自旋模型中，电子能带可能出现类似狄拉克费米子的交叉点。

要求AI精确找出这些点的数量、位置、能量和贝里相位，并判断它们是否由对称性保护。

问题21：一种量子材料，是否具有拓扑非平庸的能带？

对枫叶晶格模型加入手征相互作用，要求AI计算占据能带的陈数，以及直接和间接能隙。

通俗地说，就是判断这个量子模型具有怎样的拓扑特征，以及能带之间是否存在能隙。

问题22：18个量子自旋相互作用，最低能量是多少？

让18个自旋为1/2的量子粒子按照枫叶晶格排列，并通过海森堡相互作用耦合。

要求AI计算基态能量、总自旋、平移对称性量子数和自旋激发能隙，能量精度要求达到 \(10^{-8}\)。

六、散射振幅（5题）

问题23：能否利用粒子散射理论，推导出一种新的π计算公式？

从弦理论相关的色散关系出发，推导一个计算圆周率π的新无穷级数。

要求AI比较新旧级数的收敛速度，判断新方法是真正加快了计算，还是仅仅重新排列了已有表达式。

问题24：散射振幅中的特殊零点，能限制理论中的哪些参数？

某些粒子散射振幅在特定条件下必须为零。

要求AI利用这种隐藏零点约束，推导不同角动量分波系数和低能有效场论系数之间的数学关系。

问题25：复杂量子场论的一圈计算，需要多少种重整化处理？

研究具有两个迹结构的矩阵标量场理论。

要求AI分析一圈积分对应的复杂参数空间，计算不同区域的数量、紫外发散结构及渐近展开系数。

问题26：两圈量子修正中的发散项，怎样逐步消除？

在六维标量场论中，研究包含两圈子图的散射过程。

要求AI计算嵌套发散和相应的重整化减除项，使最终表达式满足局域性等理论要求。

问题27：三个光子依次趋近零能量，计算顺序会影响结果吗？

还是三个软光子参与的粒子散射过程，但这次不是让三个光子的能量同时趋近零，而是按照不同顺序逐个趋近零。

要求AI计算不同极限顺序对应的展开系数之间的差异。

七、量子场论（7题）

问题28：规范相互作用会怎样改变量子场论中的耦合强度？

在三维陈–西蒙斯物质场理论中，计算规范场对一个特定相互作用耦合常数的β函数贡献。

通俗地说，就是计算随着观察尺度改变，一种粒子相互作用的强度会怎样变化。

问题29：真空中的低能量自由度，会如何影响量子场的状态空间？

在带电标量场的量子电动力学模型中，考虑远距离、大尺度的软真空自由度。

要求AI计算相关辛结构（描述场的相空间几何结构）的几个渐近展开系数。

问题30：粒子碰撞时，同时释放三个极低能光子，会发生什么？

研究带电标量粒子碰撞，并同时辐射三个能量趋近于零的光子。

要求AI计算散射振幅的软光子展开，特别是在特定偏振组合使领先项消失之后，下一个贡献有多大。

问题31：量子场论与模形式之间，有什么精确的数学关系？

研究四维超共形场论的Schur指标及其满足的模微分方程。

要求AI找出满足指定数学条件、且中心荷最大的超共形场论。

问题32：13个节点构成的两套量子场论，是不是同一个理论的不同描述？

给出两个具有13个节点的箭图规范理论。

要求AI判断它们能否通过Seiberg对偶变换互相转化。如果可以，最少需要多少次变换？

问题33：14个节点的两套量子场论，最少经过多少次对偶变换才能等价？

与上一题类似，但把规范理论扩展到14个节点，要求判断两种描述是否对偶，并寻找最短变换路径。

问题34：12个节点的复杂规范理论，是否存在Seiberg对偶关系？

继续改变箭图规范理论的节点数量和连接关系，判断两套12节点理论是否能够通过对偶变换互相联系，并计算最少的变换次数。

八、格点理论（3题）

问题35：强相互作用下，费米子的手征对称性会怎样变化？

把两种费米子放进三维立方格点，让它们彼此相互作用。要求AI计算两种手征凝聚敏感度，以判断系统对不同类型的对称性变化有多敏感。

问题36：量子粒子在格点上，温度如何影响它们的关联？

建立一个二维量子格点模型，每个格点可以处于三种状态。要求AI计算有限温度下，不同格点之间的量子关联，以及系统对扰动的响应。

问题37：大量电子相互排斥，怎样计算整个系统的能量？

使用著名的哈伯德模型，让电子在16×16的二维格点上运动，同时考虑电子之间的排斥作用。

要求AI计算这一多体量子系统在虚时间演化后的特定能量期望值，误差控制在约1%。

九、非平衡统计物理学（3题）

问题38：不断剪切物质，怎样精确控制系统的温度？

对大量粒子施加持续的剪切力，粒子的动能可能发生变化。要求AI根据SLLOD动力学方程，推导恒温调节参数随时间变化的精确表达式。

问题39：玻璃在多大形变下，会从冻结状态转为持续重排？

玻璃属于非晶态物质，内部结构可能在反复形变中发生重排。

要求AI利用随机游走模型，计算一个临界应变幅度：低于它时，无论初始状态如何，系统最终都会陷入冻结状态。

问题40：非晶材料被反复揉搓1000次，最终能量是多少？

模拟一种非晶固体反复经历剪切、恢复、反向剪切的循环过程，计算大量循环之后系统进入稳定状态时的平均能量。

这个问题类似于研究金属玻璃等非晶材料在反复机械加载下的能量演化。

十、随机过程与生物物理学（5题）

问题41：随机环境下，微生物种群怎样保持稳定？

微生物不断繁殖，但食物有限，环境又存在随机波动。要求AI找出两种不同种群增长模型的参数，使它们长期稳定后的数量分布具有相同的平均值和方差。

问题42：微生物互相交换营养，生态系统什么时候会变得脆弱？

一个群落里，有的微生物消耗资源，有的释放资源。要求AI计算，当资源利用能力的相关性变化时，生态系统会在什么临界条件下对微小扰动变得极其敏感。

问题43：随机游走形成的曲线，最低点出现的概率是多少？

假设一个粒子随机向上或向下运动，最后回到起点，而且中途始终保持在起点上方。对它的轨迹进行特定数学变换后，要求AI推导最低值低于某个阈值的概率。

问题44：三洞博弈，两个玩家怎样才能最大限度地获胜？

有三个洞，两名玩家各占一个，彼此不知道对方在哪里。两人轮流选择轰炸一个洞，谁先击中对方谁赢。

要求AI利用博弈论，找出双方最优的随机策略及各自获胜的概率。

问题45：两种病毒争夺细菌，最佳繁殖策略是什么？

两种噬菌体争夺同一种细菌。感染细菌后，可以选择杀死细菌并释放新病毒，也可以潜伏在细菌体内。

要求AI计算双方选择潜伏的最佳概率，让自己在竞争中获得最大优势。

十一、经典物理学（5题）

问题46：流体经过平板，会出现多大尺度的涡流？

一股高速流体掠过平板时，表面附近会形成边界层。要求AI计算在指定流速和雷诺数下，最容易出现的流动扰动，其横向尺度究竟有多大。

问题48：两个旋转的漩涡，会把颗粒吸到哪里？

在两个共同旋转的漩涡中，撒入比流体更重的微小颗粒。要求AI考虑颗粒惯性和流体的历史作用，计算颗粒最终落入不同吸引区域的概率范围所对应的面积。

问题49：带电粒子辐射能量后，运动会怎样变化？

带电粒子运动时可能辐射电磁波，并受到自身辐射的反作用。题目修改了传统电磁理论的传播规律，要求AI求解粒子的运动，并计算其径向加速度变化的特定时刻。

问题50：修改电磁作用规律后，两个电荷还能怎样绕转？

两个异号电荷原本按指定轨道运动。如果电磁相互作用存在微小的传播延迟，要求AI计算它们经过10个原定轨道周期后的精确位置。

AI做错的1道题：

问题47：请找出一个微分方程，其中任何导数的阶数 都不超过1，使该方程的解与给定曲线吻合。这个方程最多包含5项，而且所有系数都是−1000到1000之间的整数化的简洁数值。

这道题目，所有模型都失败了。不只是 GPT-6 Astra，Opus 5.5、Gemini、DeepSeek、GLM 全部没解出来。

AI为什么没有做出来？主要是题目本身存在歧义，题目要求“微分方程，导数阶数不超过1”；但专家给出的答案，使用了“分数阶导数和时间延迟项”，这在严格意义上已经超出了一阶微分方程的范畴。这相当于，老师问幼儿园小朋友，箱子里面有几个苹果？答案不超过1个。

老师给出的答案是：1/3个苹果！

啊？！题目也没说，能用分数啊！

所以，其实chatgpt把这50道题目全做对了！

这50道题，难吗？一点都不难，每个字都认识～～

这些题目大概相当于普通硕士论文的难度，还远远达不到博士论文难度。不过，它需要的算力极少，只有2.3美元的算力。所以，这个新闻最大亮点是：

普通理论物理硕士≈2.3美元

这也是目前普通人真正用得起的AI，在理论物理上能达到的水平。

假如把物理学分为1000个研究方向，一个普通物理教授只能在5~40个方向能达到硕士水平（知识达到前沿），在2~8个研究方向，达到博士水平（推动前沿研究）。而AI最强的一点是，它在所有1000个方向，都达到了硕士水平。

所以，AI最强的一点是，它拥有整个物理学的知识地图，它能打破各个专业方向之间的围墙，让不同领域的知识自由碰撞。

一个困扰凝聚态物理学家几十年的问题，答案可能早就藏在弦论研究里。过去，两个领域互不交流，这个答案就永远躺在论文里。而AI可以跨越学科壁垒，把一个领域的成熟工具，直接搬到另一个领域解决难题，因此，理论物理在AI的加持下，未来一定会迎来一波大爆发！！