Всего за четыре месяца ИИ совершил невозможное: он научился рассуждать на уровне физиков-исследователей. Так можно интерпретировать результаты бенчмарка CritPt, где новая модель OpenAI – GPT-5.4 Pro (макс. уровень размышлений, xhigh) – показала ошеломляющий рост.
Согласно данным Artificial Analysis, ещё в ноябре 2025-го лучший результат в тесте CritPt, который оценивает способность ИИ справляться с исследовательскими задачами по физике на закрытом датасете, составлял всего 9% (его показала модель Gemini 3 Pro Preview). Спустя меньше чем четыре месяца планка взлетела до 30%. Этот скачок обеспечил GPT 5.4 Pro (xhigh), продемонстрировав самый большой прирост за один релиз в истории этого бенчмарка.
Вот как это выглядит на графике:

Прогресс идёт гораздо быстрее, чем ожидалось. Если сложить все цифры, становится ясно: OpenAI как никогда близка к своей цели – созданию агентов, способных вести научные изыскания и делать новые открытия.
CritPt (Complex Research using Integrated Thinking – Physics Test) – это сравнительно новый бенчмарк для оценки способности больших языковых моделей решать задачи уровня реальных научных исследований в физике. В отличие от привычных тестов вроде математических олимпиад или задач из учебников, CritPt состоит из 71 комплексной исследовательской задачи, созданной более чем 50 действующими физиками из десятков научных институтов. Задачи имитируют небольшие научные проекты: требуют постановки гипотезы, многошаговых вычислений, анализа моделей и проверки результатов. Для более детальной диагностики они разбиты на ~190 промежуточных чекпойнтов, позволяющих понять, на каком этапе рассуждения модель начинает ошибаться.

Ключевая особенность CritPt – ориентация на непубликовавшиеся исследовательские задачи, а не на задачи из открытых датасетов. Ответы специально сделаны устойчивыми к угадыванию: это могут быть массивы чисел, символьные выражения или даже Python-функции, которые автоматически проверяются системой оценки. Такой дизайн позволяет измерять именно способность к научному рассуждению, а не извлечение фактов из обучающих данных.
Делегируйте часть рутинных задач вместе с BotHub! Для доступа к сервису не требуется VPN и можно использовать российскую карту. По ссылке вы можете получить 300 000 бесплатных токенов для первых задач и приступить к работе с нейросетями прямо сейчас!

