GPT-5.6 Sol (max) 领跑 CritPt，一个由未发表物理研究问题构成的新基准
GPT-5.6 Sol (max) 在 CritPt, , 一个由未发表的研究生级别研究问题构建的新物理基准测试中领先。根据 Artificial Analysis 的独立测试，其得分比 GPT-5.5 高出约 5 分，比 Claude Fable 5 高出 4 分。
CritPt 由阿贡国家实验室和伊利诺伊大学厄巴纳-香槟分校专门开发，旨在规避人工智能物理基准测试中日益严重的一个问题：一旦问题及其答案公开，模型可以在训练期间吸收它们，并表现出看似“推理”出答案的样子，而实际上它们可能是记住了答案。CritPt 则使用来自全球 30 多个机构的 60 多位研究人员贡献的未发表的研究生级别研究问题，使模型无法提前看到答案。
在 Artificial Analysis 的独立评分中，GPT-5.6 Sol (max) 以约 32% 的得分领先，比其前身 GPT-5.5 (xhigh) (openais-gpt-56-launch-rewrites-the-economics-of-frontier-ai) 高出约 5 分，并比 Anthropic 的 Claude Fable 5 (claude-fable-5-and-mythos-5-the-future-of-ai-is-gated-intelligence-222) 高出约 4 分。其余模型的得分则急剧下降，大多数其他前沿模型得分在个位数到二十几之间。
即便在排行榜的顶端，接近 32% 的得分也提醒人们该基准的难度之大：这些问题取自活跃的物理研究，而非教科书练习，目前没有模型能够接近解决其中的大部分问题。Artificial Analysis 将这一结果视为前沿模型在真实科学研究中潜在实用性的早期信号，而非任何模型已能就此提供有意义的帮助的证据。