Un modello di intelligenza artificiale ha affrontato una serie di 50 problemi di fisica teorica di livello di ricerca mai pubblicati — e ne ha risolti 49.

Il risultato proviene da un nuovo preprint, TheoPhysEval, e il modello alla base è GPT-6-Astra. Con la ricerca web attivata, il sistema ha ottenuto il 98% — il tipo di voto che di solito vale a uno studente dottorale una stretta di mano e un carico di lavoro più pesante.

Cosa ha testato il benchmark

L'articolo, intitolato "TheoPhysEval: Assessing AI agents at autonomous theoretical physics problem solving", è apparso su arXiv il 9 ottobre 2026. Introduce un benchmark di 50 problemi di fisica teorica mai pubblicati in precedenza, provenienti da 11 sottocampi che vanno dalla dinamica dei fluidi alla teoria quantistica dei campi.

L'obiettivo era vedere cosa possono ottenere gli agenti AI con zero intervento umano. Nessuno ha guidato i modelli e nessuno ha corretto i loro errori durante il percorso. L'etichetta "agenti" è importante: si tratta di sistemi che eseguono attività multistep in autonomia — in questo caso, cercare informazioni e arrivare a soluzioni complete — anziché rispondere a un singolo prompt in una sola volta.

Fisici di istituzioni come ICTS e Google DeepMind hanno guidato il lavoro, e la lista degli autori conta 35 persone provenienti da una serie di istituzioni di ricerca. Il team ha valutato modelli standard anziché sistemi di ricerca costruiti su misura — il che significa che i risultati riflettono ciò che i modelli di uso generale possono fare, non l'output di strumenti progettati appositamente per la fisica — e ha elaborato criteri di valutazione per approssimare le competenze di cui avrebbe bisogno un fisico teorico esperto.

Il tabellino

I test si sono svolti su due tracce progettate per isolare il valore delle informazioni esterne. La traccia "realistica" consentiva ai modelli di cercare sul web, come farebbe un ricercatore in attività, mentre la traccia "isolata" li tagliava completamente da Internet.

Sulla traccia realistica, GPT-6-Astra ha risolto 49 dei 50 problemi per un costo totale di 116,28 dollari. Sulla traccia isolata, il suo punteggio è sceso a 46 su 50. In altre parole, l'accesso al web è valso tre problemi.

Opus 5.5 ha ottenuto 46 su 50 su entrambe le tracce. Concedergli l'accesso al web non ha fatto alcuna differenza in nessuna direzione.

Poi c'è il problema ribelle: uno che nessuno dei modelli testati dai ricercatori è riuscito a risolvere. Su tutte le cinquanta domande, una sola si è dimostrata abbastanza ostinata da mettere in difficoltà l'intero settore.

Quando lo studente corregge la griglia di correzione

Forse il risultato più sorprendente non è affatto un punte. Secondo lo studio, il lavoro dei modelli ha portato a correzioni di alcune soluzioni di riferimento scritte da umani.

Anche l'uso di problemi inediti conta qui. Domande mai apparse in stampa sono più difficili da memorizzare dai dati di addestramento, quindi una risposta corretta è più probabile che rifletta un ragionamento autentico piuttosto che un richiamo mnemonico.

Perché è importante oltre il laboratorio

Anche la cifra dei costi merita attenzione. Un'esecuzione da 116,28 dollari sulla traccia realistica è poca cosa rispetto al tempo che un team di esperti umani dedicherebbe ad affrontare 50 problemi di livello di ricerca, anche se l'ambito dell'articolo è la prestazione e non un confronto completo dei costi.

Restano dei caveat da tenere presenti. Si tratta di un preprint, il che significa che non ha ancora superato una revisione paritaria formale. Il benchmark è inoltre composto da 50 problemi — un campione significativo ma finito di ciò che implica la fisica teorica.

E risolvere un problema ben formulato non è la stessa cosa che scegliere quale problema risolvere. Il benchmark misura la risoluzione autonoma di problemi, non il lavoro creativo di formulare nuove domande, che rimane una parte fondamentale del lavoro dei fisici teorici. Entrambi i punti lasciano domande aperte che vale la pena seguire: se i risultati reggeranno sotto la revisione paritaria formale, e se qualche futura esecuzione riuscirà a superare l'unico problema che ha messo in difficoltà tutti i modelli testati.