一句话看懂：宾夕法尼亚大学统计学教授使用 OpenAI 的 GPT-5.6 Sol Pro 模型，在 90 分钟内推翻了一个困扰学界 30 年的统计假设。这个假设关乎一个被广泛应用于基因研究等领域的方法论是否可靠，而此前人类研究者一直未能给出严格的证明或反例。
事件核心：发生了什么
宾夕法尼亚大学沃顿商学院副教授 Edgar Dobriban 利用 OpenAI 的 GPT-5.6 Sol Pro 模型，成功构造了一个统计模型，证明经典的 Benjamini-Hochberg（BH）方法在处理相关且呈正态分布的连续数据时，其实际错误发现率（FDR）会超过预设目标水平。BH 方法是 1995 年由统计学家提出的，用于控制大规模假设检验（如基因组扫描）中的假阳性比例，自发布以来已被论文引用超过 13 万次，在多个科学领域广泛使用。此前，学界普遍认为该方法在相关正态数据中也能可靠工作，但一直无人能严格证明这一点。Dobriban 在预印本中展示了该结果，并公开了全部对话过程与代码。值得一提的是，GPT-5.6 Sol Pro 只用了约 90 分钟完成此任务，而它的前代模型 GPT-5.5 在经过超过 20 小时的多智能体协作后仍然无法给出有效解。
为什么重要
这则新闻的重要性不在于 BH 方法失效这一数学发现本身（实际偏离值较小，主要影响理论层面），而在于它揭示了大模型在科研推理中的能力跃迁。首先，它表明 GPT-5.6 Sol Pro 在特定开放问题上已经具备超越部分人类专家的解题效率——能在不到两小时内完成人类多年未突破的推理任务。其次，该案例验证了新一代模型的“组合能力”。Dobriban 指出，模型并未发明全新理论，而是成功地组合了已有方法，关键挑战在于找到连接这些方法的正确路径。对于 AI 领域而言，这引发了一个核心讨论：基于训练数据重组知识实现突破的能力，是否足以支撑更高层次的“自我改进”与“泛化”目标。目前该能力已明显超越前代，但距离基础模型社区热议的“自改进 AI”仍有距离。
对用户/开发者/创作者的影响
对于科研人员和数据分析师，这则新闻直接提示：引入更强推理模型作为“研究助手”的门槛正在快速下降。对于使用 OpenAI 模型进行 API 开发的工程师来说，这意味着未来可能需要调整策略——更复杂的数学证明、统计验证等任务可以更放心地交给新模型，而非依赖人工反复核查或定制脚本。普通用户短期内可能感受不深，但对于需要处理大量假设检验的数据科学团队，这暗示了企业采购模型时应当关注模型在复杂推理任务上的实际表现，而非仅凭参数或评测集分数做决策。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，GPT-5.6 Sol Pro 是否已对公众开放 API 或发布具体定价？目前 OpenAI 未宣布正式上线日期。第二，该模型的组合能力边界在哪？后续若有更多数学或物理学猜想被快速推翻或证明，将进一步巩固“新一代模型推理能力是关键卖点”的叙事。第三，包括谷歌、Anthropic 在内的竞品是否会跟进展示类似复杂推理成果？这可能会成为下一阶段大规模语言模型竞赛的重点方向。目前公开信息显示，该案例本身是已知首个大模型在统计猜想上取得实质性突破的学术验证案例。
