Cientistas desenvolveram e aplicaram um conjunto de cinquenta problemas de pesquisa inéditos na área de física teórica, com soluções previamente conhecidas. O objetivo do teste foi determinar a capacidade dos agentes de inteligência artificial de resolver esses problemas autonomamente, sem intervenção ou ajuda humana.
Durante o teste, descobriu-se que o melhor agente foi o Codex, um modelo GPT-6 Astra. Este agente demonstrou alto desempenho, resolvendo corretamente 49 dos problemas apresentados.
Os resultados deste estudo foram publicados como um pré-print, que pode ser encontrado na plataforma arXiv.org.