"我心里堵得慌"——当 GPT-5.6 用九十分钟，撬了理论统计学家的护城河

威尔·费锡安（Will Fithian）说，这个猜想是统计学领域"最有意思的未解难题"。可 2026 年 7 月 14 日，GPT-5.6 Sol Pro 九十分钟把它解了。

费锡安自己的感慨："我多希望这是由人类完成的。"

一句"心里堵得慌"，道的是理论统计学家这行前所未有的身份危机。当 AI 不再只是"解题"，还能自主构造反例——从给初始条件到出证明，整条链路它自己走完——那理论统计学家赖以立足的护城河，还剩什么？

冲击不在"题被破了"，在"唯有人类能到这儿"的信念晃了

先说这道题的分量，才知道这记冲击有多重。

1995 年，Benjamini 与 Hochberg 提出 BH 方法，管多重假设检验里的错误发现率（FDR）。数万条基因筛致病靶点、fMRI 定位几十万体素——检验越多，假阳性越凶，BH 就是那道安全阀：保证你宣称的"重大发现"里，FDR 不踩过预设线。至今引用破 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。

但大厦上空悬了二十年的云：BH 最早只在数据相互独立下被证有效，后来拓到正相关依赖（PRDS）。可现实数据哪有那么乖——基因组连锁不平衡、脑区信号耦合、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，多数倾向"应该还行"，但严谨证明或缺，证伪反例也缺。

GPT-5.6 那九十分钟的关键：多布里班只喂了 BH 的严格数学定义，没提示词工程，没思维链引导。模型自己找到突破口，独立拼出反例——α=0.01 下，BH 实际 FDR > 0.0104，严格越线 0.0004。

更关键的附件：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，任何人可拉代码复现。不是"AI 碰巧蒙中"，是 AI 交了一份可机器核验的严谨证明。

同周它还一小时证了图论五十年猜想、一夜解了卡物理学家半年的弦论题，BH 是第三发；Tracking AI 离线 IQ 榜 GPT-5.6 全家桶 136 分，首破 130"天才线"。

第一道护城河：从"解题的人"退成"判题的人"

费锡安那句"堵得慌"，折射的是理论统计学家第一层困境。

他评这项成果："这标志 AI 能力持续跃进，影响远远超出数学。"一个学者把本领域最有意思的题当毕生目标，结果 AI 九十分钟干完他一辈子未必摸到边的事——这种"心头郁"，不是嫉妒，是开始重新审视自己值在哪。

有数学家坦言，自己和团队用 GPT-5.5 啃过好几轮，全败。题被 AI 解了，他忍不住想：理论统计学家以后的出路在哪？

传统护城河是"提有价值的问题 + 搭精巧严谨的证明"。GPT-5.6 证了后半段 AI 也能——从零构反例、出可验证证明。人的位置在挪：从"唯一能解题的"，变成"判答案对不对的"。

退一步看，这种挪动，不容小觑。

第二道护城河：反例本身，开出新问题空间

但护城河没彻底消失，是换了地方。

多布里班自己写的：本次发现现阶段主要影响理论层，BH 实务里照样能用。可"理论层"三个字，恰恰是这套体系最核心的那块。

反例的价值不止"推翻"，更在"开路"。0.0004 的缝意味着——所有倚 BH 走的基因筛选、fMRI 分析，理论上都得回头看一眼自己的结论。更往前一步，它催生一串新问题：哪类依赖结构下 BH 还稳？有没有修正方案？

目前，AI 还提不出这种新问题。"提新问题"，仍是人类这边的领地。

第三道护城河：从"证明者"转向"阐释者"

再往深一层，理论统计学家的角色在从"证明的人"往"解读的人"挪。

AI 能构反例，但答不了"这到底意味着什么"——0.0004 的偏对现实科研什么影响？哪些场景 BH 会失效？怎么补这个新漏洞？这类问题要领域内的深理解 + 综合判断，光靠算力堆不出来。

费锡安本人就是最好的例子。他"堵得慌"，恰恰因为他对这题的难度有数——正因为有数，才知道九十分钟破题的分量。"理解问题本身的难度"，本身就是一道护城河。

《 investment 界》有句话被转得挺多："对理论统计学家而言，历史仿佛在此刻被折叠。"人类二十年的脑力量，被压进模型九十分钟的推理里。但"折叠"不等于"消失"——被压的那部分研究还在，只是呈现方式变了。

AI 能构反例，但讲不清这反例意味着什么。能讲清的，还是人。费锡安那句"我心里堵得慌"能在全网传开，正因为这话出自人——顶尖学者看着自己深耕的领域被 AI 捅穿时，那种复杂交织的情绪，是 AI 永远复刻不了的。

这不是 AI 的能力边界，是人类最后那道护城河。

长推理跑起来，模型侧的事也得跟上

BH 这种题能 ninety-minute 跑完，背后是 Sol 档长推理 + Ultra 四 Agent 协同 + 150 万上下文——但"单任务长耗、多轮核验、区间算术复现"的科研场景，token 是真不便宜。同周那几发（图论、弦论）要是全走官方直连，账单先扛不住。

现在不少研究团队的分层配法：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 + 多 Agent 协同"这类科研调用，预算比较好控。

0.0004 撬动 13 万次引用——是模型的事；让模型能安心跑满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。而人那头——提新问题、做阐释、接住费锡安那句"堵得慌"——这些活，还牢牢在人手里。