清华与 Moonshot AI 提出 TCSExam 基准：GPT-6 Astra 定理证明率达 70.0%

清华大学与 Moonshot AI 发布 TCSExam 基准，包含 100 道专家审核任务，覆盖 Lean 定理证明、求解器工程、纪录构造和 30 个理论计算机科学开放猜想四个方向，所有提交由 Lean 内核或任务检查器验证。在无提示引理的条件下，GPT-6 Astra 定理证明成功率为 70.0%，Kimi K3.1 Pro 为 38.3%，其余 6 个智能体均不超过 11.7%。但在 30 个开放猜想上，GPT-6 Astra 一个都未能解决，仅有的几次被接受的提交改编自 OpenAI 已公开的反例与证明。