一句话看懂：2026年9月，OpenAI 的 GPT-6 Astra 在无人逐步指导的情况下，独立破译了德军 1941 年一封自 2005 年起无人能解的恩尼格玛密电 MVUEH，还自行查阅了德国联邦档案馆的档案线索。这意味着大模型开始具备完整密码分析流程中的自主推理与工具编排能力。
事件核心：发生了什么
被破译的密电 MVUEH 发于 1941 年 7 月 10 日，由呼号 2ny 的电台发出，收报方为党卫军“骷髅”师军需官 Ib，当日 17:30 收到并登记为该月第 172 号来报，此后 80 余年未能破解。2017 年 Alex Shovkoplyas 曾破出同日另一封 SIPVX，但其密钥与当日通用日密钥略有出入，无法用于破译 MVUEH。
研究者 Carter Leffer 让 GPT-6 Astra 自行判断哪些未破密电最值得尝试。该模型选中 MVUEH，并推测其明文可能与 SIPVX 相关，随后以重复地名“ROSENOW ROSENOW”作为已知明文攻击点，自行编写 Python 与 C++ 的恩尼格玛模拟器和 Bombe 程序。最终密钥甚至与当日其他两封完全不同，转子顺序为 253 而非 512。破译还暴露出原密文转录存在多处错误，以及左转子在第 72 个字母处发生少见进位，这些因素此前长期阻碍人工破解。
为什么重要
这并非单纯的智力游戏。密码分析是典型的长链条任务：需要假设检验、错误容忍、工具编写与档案检索协同推进。目前公开信息显示，GPT-6 Astra 在两天的日志中展现出接近专业密码分析师的完整工作流，包括主动定位德国联邦档案馆的 RS 3–3/20a、RS 3–3/63b 等档案编号。作者表示，同样的研究工作他本人曾花费数周甚至数月。这为评估大模型在安全审计、历史研究等长周期推理任务中的自主性提供了具体样本。
对用户/开发者/创作者的影响
对开发者而言，值得注意的不是模型会不会写代码，而是它能否在缺乏明确步骤的情况下自行规划、编写并迭代领域工具。GPT-6 Astra 生成的恩尼格玛模拟器与 Bombe 并非现成调用，而是按需实现的推理基础设施。这一模式可迁移到漏洞挖掘、协议逆向、日志取证等场景。对企业来说，模型自主检索外部档案并交叉验证的能力，既提高研究效率，也带来数据访问边界、来源合规与过程可审计性的新问题。对内容创作者，这类事件提供了观察大模型能力边界的实证素材，但不宜将其简化为“AI 破解密码”的猎奇叙事。
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
一是官方日志分析结果：研究者仍在解析 GPT-6 Astra 的完整操作记录，它提及的私人收藏及档案获取途径尚不明确，需确认是否访问了档案馆数字化资源。二是方法论能否复用：以 ROSENOW 作为 crib 的思路是否具有普遍性，还是高度依赖 MVUEH 与 SIPVX 的特殊关联。三是能力评估与安全边界：此类自主研究能力是否会进入公开 API 或产品形态，以及模型访问档案与历史资料时的合规框架如何界定。
