智商 136、一小时证图论五十年猜想、九十分钟撬 BH 支柱——伯克利那位学者的"郁结"，不是矫情

2026 年 7 月，AI 圈三件事接连落地。单独拎任何一件都够刷屏，放一起看，味道就不一样了。

7 月 10 日，OpenAI 官宣：GPT-5.6 Sol Ultra 模式一小时内，完整证明图论悬置五十年的环形双覆盖猜想。模型调度 64 个子智能体并行，动态分工，还配了专门的对抗智能体查逻辑漏洞。原本预留 8 小时算力，1 小时收工。

7 月 14 日，宾大沃顿统计副教授埃德加·多布里班（Edgar Dobribana）给 GPT-5.6 Sol Pro 喂了一份材料——BH 方法的严格数学定义。九十分钟后，模型返出一套完整反例构造。同一道题，他同事一个月前用 GPT-5.5 多 Agent 跑了二十多个小时，一无所获。

7 月 16 日，Tracking AI 离线智商榜更新：GPT-5.6 全系飙到 136 分。人类智商分布里 130 是"天才线"，全球约 1% 能过。过去一年 O3 到各家旗舰轮流冲，全停在 130 关口下，GPT-5.6 是第一个迈过去的。

136、50 年、90 分钟。三组数字，钉的是同一件事。

先说那道悬了五十年的图论猜想

环形双覆盖猜想问的是：给定一张无"桥"图（桥指移掉整图就断的那条边），能否找到一组首尾闭合的环，让图上每条边恰好被这些环走两次？

1973 年乔治·塞凯赖什、1979 年保罗·西摩先后独立提出，之后半个世纪，无数数学家啃。

GPT-5.6 Sol Ultra 的解题路径：把猜想转成三次图问题，依托 8 流定理，在有限域 GF(3) 上用线性代数构造边标记。英国曼彻斯特大学数学家托马斯·布鲁姆（Thomas Bloom）的评价挺戳：

"这份证明很精妙，思路简洁基础，用到的工具不复杂。要是有人能想到这条路径，80 年代就该证出来了。"

但他同时点了一个细思极恐的细节：整套证明没引用任何已有文献。AI 不会向前人"致敬"——它自己找了一条论证路径，不知道之前几十年有哪些学者在这片地上耕耘过。

再说那道压了统计学二十年的 BH

1995 年，Benjamini 与 Hochberg 提出 BH 方法，解决"同步做成千上万次假设检验时假阳性失控"——基因组扫致病靶点、fMRI 定位几十万体素，检验越多误报越凶。

BH 就像安全阀：保证研究者宣称的"重大发现"里，FDR 不踩过预设线。至今引用超 13 万次。斯坦福统计泰斗坎德斯（Emmanuel Candès）的判词：1950 年以来统计学领域最重要的两项成果之一。

但头上一直悬一团云：BH 最早只在数据相互独立下被证有效，后来延伸到正相关。可现实数据哪有那么乖——基因组连锁不平衡、脑区信号联动、金融指标同涨同跌，全是"任意相关"。学界卡出的问号：

任意相关结构的双侧高斯检验下，BH 还能稳稳控 FDR 吗？

二十年里包括 Benjamini 本人在内的顶尖学者反复推、反复仿，多数人倾向"应该还行"，但严谨证明或缺，证伪反例也缺。

GPT-5.6 搭的那套反例：三组变量——96% 原假设为真，4% 带信号，共享一个潜在随机因子 Z，调分块载荷让 Z 落在一组正概率区间时，信号区块推高拒绝数的同时，原假设双侧尾部概率刚好高于理论预期。

α=0.01 下，BH 实际 FDR 跑到 0.0104，严格越线。差 0.0004，极小，但够了。

更关键的是伴了一份区间算术核验证明——Python forest 调 Arb 数学库，向外取界区间算法，每条边界确保包住精确实数解。不是浮点近似，是严格有限证明，任何人可拉代码复现。

不是"AI 碰巧猜中"，是 AI 交了一份可机器核验的严谨数学证明。

136、1 小时、90 分钟，内核是同一件事

智商 136 考抽象模式识别与逻辑推理；图论题 1 小时靠 64 子 Agent 协同 + 对抗 Agent 查错；BH 题 90 分钟从零构造反例。

三件事的共性很清楚：GPT-5.6 能完成，GPT-5.5 做不到——不是"做得不够好"，是根本做不了。

OpenAI GeneBench Pro（129 道科研难题）的数：开最高推理强度，GPT-5.6 Sol 28.7%，GPT-5.5 只有 12.0%。

架构上的差在两手里：

Max（最大推理强度）：给前所未有的推理时长，让模型持续推、多路探、自校验、反复修；
Ultra 模式：默认调度多子 Agent 并行，交叉验证。

5.5 的痛点是开发者圈熟知的"516 截断"——复杂推理 token 撞到 516 节点异常卡死，5 月触发比例 53.30%，是 2 月的 484 倍，像埋头演算的人被中途叫停；5.6 像四名（图论题是 64 名）研究者从多角度同时切同一道题，交叉校验、反复纠错，直到捉住那 0.0004。

伯克利那位学者的"郁结"，不是矫情

面对这份 AI 生成的完备反例，加州大学伯克利分校统计学家 Will Fithian 那条推被转得最多：

这个猜想是统计学领域最有意思的未解难题……GPT-5.6 解开了，但我原本希望由人类完成。

"本期待人类攻克"——七个字的失落，比任何技术指标都重。

有数学家坦言，自己和团队用 GPT-5.5 啃过好几轮，全败。学界开始冒一种声音：理论统计学家以后的位置在哪？

对理论统计这行，历史像在这一刻被折了一下——人类二十年的脑力量，被压进模型九十分钟的推理里。这已经不是"AI 辅助科研"，是 AI 独立解决了一道人类苦寻二十年、顶尖学者束手的无解之题。

多布里班给的定心丸：本次发现现阶段主要影响理论层，BH 实务里照样能用。但"理论层"三个字，恰恰是学科最难撼的那块。

理论是地基。地基裂一道缝，楼上不会立刻塌，但所有人都知道缝在那。

136 分是一张成绩单；一小时证图论五十年猜想是一场实战；撬 BH 是记重锤。分不虚标，五十年没白熬，二十年也没白费。伯克利那位学者的郁结，完全可以理解。

缝不宽，但新风已经进来。

长推理跑起来，模型侧的事也得跟上

图论题 64 Agent + 对抗校验、BH 题 Sol 长推理 + 区间算术核验、再加同周那发"一夜解半年弦论题"——GPT-5.6 这一波三连发，背后全是长推理 + 多 Agent 协同 + 150 万上下文在烧。单题看着九十分钟、一小时，但"单任务长耗 + 多轮核验 + 反复调"的科研场景，token 是真不便宜。全走官方直连，实验室账单先扛不住。

现在不少研究团队的实际配法是分层切：GPT-5.6 Sol 主攻长推理和科研攻坚，Claude 4/5 写 Agent 循环逻辑，Gemini 扛多模态，DeepSeek 补性价比——不同环节塞不同模型，账才好看。

像 UseAIAPI 这类把 GPT-5.6、Gemini、Claude、DeepSeek 等最新主流模型聚在一起的接入服务，近期在科研和开发者圈提得越来越多：省掉逐个签约、逐个适配的麻烦；实验室或企业可以按自己节奏做定制封装，长推理、Agent 循环、多模态都能直接嵌；价格层面，官方定价 5 折起，对"单次长耗 + 多轮迭代"这类科研调用，预算比较好控。

136 分那道"天才线"是模型跨过去的；让模型能安心跑满那九十分钟不被账单叫停，是接入侧的事。两边都就位，"折叠历史"才折叠得起。