顶级黑洞物理学家实测 GPT‑5：不用公式，也能“感觉”出物理

一位研究黑洞与量子场论的顶级物理学家，亲自测试 GPT‑5 后给出结论：它已经能做“Vibe Physics”。不是推导公式，而是抓住物理直觉。这次分享，意外揭示了 AI 正在如何改变科研方式，以及提示工程为什么开始变成一种“科学方法”。

不是算力飞跃，而是一种“奇怪的对齐感”

视频一开始，这位物理学家就抛出一个反直觉判断：我们正处在一个“特殊的时间点”。不是因为模型参数又翻了多少倍，而是他第一次感觉到，模型在“理解”物理时，和人类的直觉开始同频。

他形容 GPT‑5 的表现不像一个只会堆公式的计算器，而更像一个“知道应该往哪个方向想”的合作者。这种能力并不体现在标准 benchmark 上，而体现在对复杂问题的把握感——你还没写完推导，它已经知道哪些假设值得怀疑、哪些路径可能是死胡同。

这也是他反复强调的点：真正重要的不是 AI 会不会算，而是它是否能参与到“问题形成”的阶段。对科研来说，这是质变。

从四种基本力到一团乱麻：AI 怎么读懂物理论文

在视频中，他用物理学内部的例子说明这种“Vibe Physics”。从四种基本相互作用讲起，到引力是否由引力子介导，再到复杂的散射振幅论文——这些内容本身就以“难读”著称。

他说得很直白：有些论文“就是一整个 mess”。即便是领域内的人，也要花很长时间才能搞清楚作者到底在干什么。而 GPT‑5 的价值，并不在于给出最终答案，而是在你让它“拆解这篇论文在干嘛”时，它能快速指出结构、核心假设，以及真正新颖的地方。

他特别提到，当问题涉及阶乘增长、渐近展开这些细节时，模型给出的解释并不完美，但已经足够帮研究者定位：哪些地方值得你投入精力深挖，哪些可以先放一放。这在现实科研中，能省下大量时间。

提示工程开始像科研，而不是“调参玄学”

一个容易被忽视的细节是：他们甚至把关键 prompt 公开成了一篇博客。这本身就很说明问题——提示工程正在从“个人技巧”变成一种可复现、可讨论的方法论。

他分享的经验是，最有效的提示并不是命令式的，而是把模型当成合作者：告诉它你卡在哪里、你不确定什么、你希望它扮演什么角色。这和指导一名研究生非常像。

他还提到，像 Codex 这样的工具现在已经“真的很好用了”。不是偶尔惊艳，而是稳定可靠到可以嵌入日常工作流。对他来说，这意味着 AI 不再是灵感玩具，而是科研节奏的一部分。

好物理学家与普通人的差别，AI 正在放大

视频接近尾声时，他说了一句很有分量的话：好物理学家与普通人的差别，不在于算得多快，而在于是否能持续提出“有结果的好问题”。

而 AI 的到来，恰恰在放大这个差别。因为当推导、总结、初步探索都被极大加速后，真正稀缺的能力变成了判断力——你问什么问题，决定了你能走多远。

这也是他对 AI 加速科学最谨慎、也最乐观的判断：它不会自动带来突破，但会让那些本就善于思考的人，走得更快、更远。

总结

这场分享真正的冲击不在于 GPT‑5 有多强，而在于一个信号：AI 已经开始进入“科研直觉层”。对 AI 从业者来说，这意味着提示工程不再只是效率工具，而是一种影响认知路径的技术。你可以开始练习的，不是写更花哨的 prompt，而是学会把自己的不确定性、判断和研究目标清晰地表达出来。未来的竞争，很可能不是谁用不用 AI，而是谁更会和它一起思考。

关键词： GPT-5， Vibe Physics， 提示工程， 科研加速， ChatGPT

事实核查备注： 需要核查：视频实际时长；是否明确提到 GPT-5 名称；“Vibe Physics”是否为原话；Codex 的具体版本与能力描述；博客是否公开及发布时间