FrontierPhysics évalue les agents IA sur la recherche physique end-to-end, Claude Opus 5.5 plafonne à 27,4 %

Une collaboration de 42 physiciens issus de 26 institutions publie FrontierPhysics, un benchmark de 56 tâches dans neuf domaines pour mesurer la capacité des agents IA à mener une recherche physique complète — revue de littérature, plan, simulations et manuscrit. Sur 22 modèles évalués via 4 364 rollouts, Claude Opus 5.5 obtient le meilleur taux de succès à 27,4 %. Les échecs tiennent moins au manque de connaissance qu'au raisonnement insuffisamment rigoureux (48 %) et au déficit d'intuition experte (34 %).