CritPt v2 se ha lanzado en Artificial Analysis: los autores de CritPt han revisado los 70 desafíos de física de nivel de investigación, y ahora los modelos los resuelven con una herramienta de ejecución de código
Tras recibir comentarios de la comunidad de investigación, el equipo de CritPt y colaboradores expertos en física revisaron cada desafío, corrigieron declaraciones poco especificadas, errores y erratas, y mejoraron la estabilidad del calificador. Ahora ejecutamos CritPt v2 de manera agéntica: los modelos pueden escribir y ejecutar código en un sandbox sin conexión con herramientas de computación.
Actualizaremos el Índice de Inteligencia a finales de octubre, incluidos cambios en CritPt.
Conclusiones clave:
➤ Los lanzamientos recientes de OpenAI encabezan la clasificación: GPT-6 Astra (max) y GPT-6.1 Sol (max) obtienen las puntuaciones más altas con 83% y 82%, seguidos por Claude Opus 5.5 (max con fallback) con 78% y GPT-5.6 Sol (max) con 75%
➤ CritPt v2 muestra el rápido progreso en la frontera en física de nivel de investigación: GPT-5 (high), lanzado en agosto de 2025, obtiene 29% en CritPt v2, 54 puntos por debajo de GPT-6 Astra (max)
Gracias a @MiniHui_zhu, @MinyangTian1, @haopeng_uiuc y al equipo de CritPt en general por su trabajo en esta revisión y su continua colaboración