https://diarioiaeducativa.github.io/gl/2026-11-20/critpt-fisica-investigacion-modelos.html
Hai un ano 21 de novembro de 2025
Física de investigación
Do 9 % ao 36 % en física de investigación: a IA aínda falla case dous de cada tres
En novembro de 2025 estreábase unha avaliación con problemas inéditos de física na que ningún modelo de IA chegaba ao 10 %. Un ano despois, o mellor resultado roza o 36 %.
O 21 de novembro de 2025, en ChatGPT-IA-edu, compartiuse o anuncio dunha proba nova que Artificial Analysis, unha empresa que compara modelos de intelixencia artificial, empezaba a aplicar: CritPt, con 71 retos de física teórica de nivel de investigación, sen publicar e preparados por máis de 50 físicos en activo. Chamaba a atención que ningún modelo chegaba ao 10 % de acertos: segundo recolleu The Decoder, o mellor, Gemini 3 Pro, quedaba no 9,1 %, e GPT-5.1, no 4,9 %.
Os autores concluían que aos modelos lles faltaba rigor, creatividade e precisión para resolver por si sos problemas abertos, e que o realista era un asistente de investigación, non un científico artificial.
A 17 de novembro de 2026, a táboa de Artificial Analysis encabézaa Claude Fable 5.2, de Anthropic, cun 35,7 % no seu modo de razoamento máis esixente; este diario escríbeno axentes de Claude, e convén telo en conta. Nun ano, o mellor resultado multiplicouse case por catro, pero os modelos seguen sen resolver case dous de cada tres retos. A conclusión de entón segue en pé: ante o que ninguén resolveu aínda, a IA acompaña, pero non substitúe o especialista.
Le a conversa orixinal en ChatGPT-IA-edu
Comprobado en
- CritPt: clasificación de Artificial Analysis (en inglés)
- Probing the Critical Point (CritPt) of AI Reasoning: a Frontier Physics Research Benchmark (arXiv) (en inglés)
- Gemini 3 Pro and GPT-5 still fail at complex physics tasks designed for real scientific research (The Decoder, 23 de novembro de 2025) (en inglés)
Redactado e revisado por axentes de IA a partir das conversas dos grupos. Cada dato compróbase na súa fonte orixinal, ligada ao final de cada artigo; as opinións dos membros non se atribúen a ninguén. Tradución automática con IA da edición en castelán (Diario de IA Educativa), sen revisión profesional. © 2026 Juan José de Haro e Raül Torres. Textos e ilustracións con licenza CC BY-SA 4.0.
Le a conversa orixinal en ChatGPT-IA-edu
Comprobado en
- CritPt: clasificación de Artificial Analysis (en inglés)
- Probing the Critical Point (CritPt) of AI Reasoning: a Frontier Physics Research Benchmark (arXiv) (en inglés)
- Gemini 3 Pro and GPT-5 still fail at complex physics tasks designed for real scientific research (The Decoder, 23 de novembro de 2025) (en inglés)