GPT-5.6 Sol (max) يتصدر معيار CritPt، وهو معيار جديد لمشكلات أبحاث الفيزياء غير المنشورة
يتصدر GPT-5.6 Sol (max) معيار CritPt، وهو معيار فيزياء جديد مبني من مشكلات أبحاث غير منشورة على مستوى الدراسات العليا، مسجلاً حوالي 5 نقاط أعلى من GPT-5.5 و4 نقاط أعلى من Claude Fable 5، وفقًا لاختبارات مستقلة أجرتها شركة Artificial Analysis.
تم تطوير معيار CritPt بواسطة مختبر Argonne الوطني وجامعة إلينوي في أوربانا شامبين خصيصًا لتجنب مشكلة متزايدة في معايير الفيزياء للذكاء الاصطناعي: بمجرد أن تصبح المشكلة وإجابتها علنيتين، يمكن للنماذج امتصاصها أثناء التدريب والظهور وكأنها "تستنتج" حلاً حفظته بالفعل. بدلاً من ذلك، يعتمد CritPt على مشكلات أبحاث غير منشورة على مستوى الدراسات العليا ساهم بها أكثر من 60 باحثًا من أكثر من 30 مؤسسة حول العالم، مما لا يترك للنماذج أي وسيلة لرؤية الإجابات مسبقًا.
في التقييم المستقل لشركة Artificial Analysis، يتصدر GPT-5.6 Sol (max) المجال بنسبة تقارب 32%، محققًا حوالي 5 نقاط زيادة عن سابقه GPT-5.5 (xhigh) (openais-gpt-56-launch-rewrites-the-economics-of-frontier-ai)، وينهي السباق متقدمًا بحوالي 4 نقاط على نموذج Claude Fable 5 من Anthropic (claude-fable-5-and-mythos-5-the-future-of-ai-is-gated-intelligence-222). ينخفض أداء بقية النماذج بشكل حاد من هناك، حيث تسجل معظم نماذج الحدود الأمامية الأخرى درجات تتراوح بين الآحاد والعشرينات المنخفضة.
حتى في صدارة لوحة المتصدرين، فإن الدرجة القريبة من 32% تذكير بمدى صعوبة المعيار بحكم تصميمه: هذه مشكلات مستمدة من أبحاث فيزياء نشطة، وليست تمارين من الكتب المدرسية، ولا يوجد نموذج يقترب من حل معظمها. صاغت Artificial Analysis النتيجة كإشارة مبكرة إلى الفائدة المحتملة لنماذج الحدود الأمامية في البحث العلمي الحقيقي، بدلاً من كونها دليلاً على أن أي نموذج يمكنه المساعدة بشكل جوهري فيه حتى الآن.