灵感迸发，不再为碳基生命所垄断

2026 年 7 月 14 日，宾夕法尼亚大学沃顿商学院统计学副教授埃德加·多布里班（Edgar Dobribana）打开 ChatGPT，向 GPT-5.6 Sol Pro​ 抛了一道压了二十年的题。

他只喂了一份材料：Benjamini-Hochberg（BH）方法的严格数学形式化定义。没雕提示词，没加思维链，没"请分步推理"。

大约九十分钟后，模型返出一套完整反例构造方案。

而一个月前，同一个多布里班用 GPT-5.5​ 啃同一道题——多智能体并行跑了二十多个小时，一无所获。

同一道题、同一个人，只隔一代模型。20 小时 → 90 分钟，不是量变，是质跳。

人类独有的"灵光一闪"，第一次不再为碳基生命垄断。

被撬动的，是那篇被引 13 万次的支柱

先说这道题的分量。

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 搭的反例是这样的：一组高斯因子模型——96% 原假设成立，4% 带有效信号，所有观测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，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 0.0004。

差极小，但够了。反例不需要宏大，存在即可。

更关键的是附件——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 GPT-5.6 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"。

"灵感"这件事，开始脱碳了

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。题被 AI 解了，他忍不住想：理论统计学家以后的出路在哪？

这早已不是"AI 辅助科研"——是 AI 独立啃下一道人类苦寻二十年、顶尖学者束手的无解之题。

长久以来，"灵光一闪"被视为人类智能的专属——深夜忽至的顿悟、豁然开朗的"啊哈时刻"、难以用算法复刻的直觉跳跃。但 GPT-5.6 这九十分钟证明了一件事：只从形式化定义出发，AI 就能自己找论证突破口、构反例、出可验证证明。"灵感产生 → 严谨验证"的完整链路，它自己走完了。

被改写的不是 BH，是科研分工

多布里班自己的定心丸给得很稳：偏差偏小（0.0104 vs 0.01），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，恰恰是这套体系最核心的那块。

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。

《投资界》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。"

多布里班总结："模型能力的提升真切可感，我们身处一个激动人心的时代。"

激动是真的，郁也是真的。这次被改写的，不只是一道统计学题，是科研体系里的分工格局——当 AI 能从理论定义一路走到反例+证明，人在科研里的位置，正从"解题的人"往"判题的人"挪。

灵感迸发不再为碳基所垄断。那篇被引 13 万次的理论支柱，被撬开一道 0.0004 的缝。

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

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，实验室账单先扛不住。

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"灵光一闪"那头——提新问题、做阐释、接住费锡安那句"我心里堵得慌"——这些活，还牢牢在人手里。