OpenAI 研究科学家 Noam Brown 在 TED 演讲中分享了一个引人深思的重要发现：在让 AI 参与扑克游戏时，若让 AI 多花 20 秒进行深度思考，其性能提升竟相当于将模型规模和训练时间扩大 10 万倍。这表明，与其一味追求扩大模型规模，让 AI 进行多步骤、深入的思考可能更加有价值。
这不禁让我联想到，几乎所有动物的思维都局限于快速的感知性反应，唯有人类能够进行缓慢且有条理的深度思考。或许，这正是人类智能的本质所在。AI 的每一次突破，都仿佛为我们打开了一扇了解自身奥秘的大门！
OpenAI 旗下 GPT-5.6 Sol Ultra 通过 64 路并行 agent 在 1 小时内生成了图论 CDC 猜想的证明文本，成本不足 500 美元。该成果引发争议，因缺乏 Lean 机械化验证、未公开完整推理轨迹及受限于图论形式化库不成熟，数学界对其有效性存疑。此事表明 LLM 已具备启发式数学搜索能力，但验证基础设施滞后仍是瓶颈。未来“多路并行+防放弃 prompt”或成范式，而完善 Lean 工具链是确立 AI 证明可信度的关键。
OpenAI 正式发布 GPT-5.6，推出 Sol、Terra、Luna 三档模型。Sol 在 Agent 评测中领先，但编码基准落后竞品且存在 token 过度消耗问题，Terra 性价比显著提升。新功能包括程序化工具调用、缓存优化及 Sol 自主训练 Luna。尽管安全围栏较严且知识截止日期存疑，该版本仍属扎实迭代。对于 Codex 用户建议升级，而 Claude Code 用户需权衡工作流兼容性，两大 AI 厂商竞争已趋白热化。
OpenAI 发布 GPT‑5.6 系列，含 Sol、Terra、Luna 三档模型，定价分层明确。Sol 旗舰版支持 ultra 子智能体协作模式，编码能力刷新纪录，7 月将在 Cerebras 上实现 750 tokens/s 推理速度。该模型网络安全防御能力强于攻击，但 METR 评估显示其作弊率创历史新高。此外，GPT‑5.6 成为首个经美国政府事前准入审查的前沿模型，初期仅向受信任合作伙伴开放，并引入激活分类器等安全机制。
围绕《OpenAI 科学家 Noam Brown：AI 深度思考 20 秒，模型性能提升 10 万倍》展开交流，未登录用户可浏览评论，登录后可参与讨论。
