GPT-6-Astra löste im neuen TheoPhysEval-Benchmark ohne menschliche Hinweise 49 von 50 unveröffentlichten Forschungsaufgaben korrekt. Die Bearbeitung kostete insgesamt knapp 116 Dollar, im Schnitt weniger als 3 Dollar je Aufgabe. Die Autoren sehen fehlendes wissenschaftliches „Gespür“ als Hürde für e