GPT-5.6和Fable 5联手搞定了一个25年没人证出来的通信理论问题。 说出来有点反常识：用的算法是2000年代就有的。 符号LMMSE估计加热心逐位翻转，复杂度O(N³)，简单到通信工程师看了会说这不就是我们一直在用的那个吗。 问题是大家用仿真跑了二十年都知道它好使，但谁也没能从数学上严格证明它确实达到了信息论最优阈值。 现在证明出来了。在N×N高斯MIMO信道上，这个简单算法在SNR≥2log N时就能把N个比特全部正确恢复，跟指数时间的最大似然检测打平。 那个从2000年代初就悬在那儿的计算-统计鸿沟——统计上能恢复的时候，多项式时间算法到底行不行——关掉了。 证明分三步。先证LMMSE初始估计离真实解只差亚线性Hamming距离，再证真实解附近每个错误比特翻回来都有正增益而且优化路径跑不偏，最后证任何下降路径必然收敛到精确解。 就这些，没有新数学。 真正有意思的部分在后面。 Dimitris Papailiopoulos是这个问题早期的研究者之一，他自己说得很直白：无线通信领域早就不关心这个了。 大规模MIMO、5G/6G、编码、神经网络检测器，这些才是现在的热点。精确块恢复阈值这个问题，被社区丢在角落大概十五年。 它不是那种全世界聪明人都在攻但攻不动的明星问题。 它是那种大家都知道应该有人证、但谁也没真坐下来花几个月把冗长的证明磨完的问题。因为不划算。 证出来了也发不了顶会，领域已经走了，学术生涯不会因此加速。 然后AI来了，花了不知道多少时间，把它证完了。 这件事比结果本身值得注意。它说明一个事：很多长期开放的问题，缺的不是新数学，是有人愿意把已知的工具足够耐心地拼到正确高度。这个证明不需要灵光一闪，需要的是不犯低级错误地推很多步，在该卡住的地方找到正确的技术路径，然后一直推到底。 人会烦。人会觉得这个问题不够性感。人会在证明到一半的时候去做更热门的东西。AI不会。 它不在乎问题流不流行，不在乎证明过程好不好看，它就一直推。 Dimitris管这叫把Death Star对准那些社区已经搬走但逻辑上还没关闭的老问题。我觉得这个说法很准。 想象一下各个学科里散落着多少这种问题——被遗弃的理论死角，证明就在那儿等着人写，但没人写。现在AI可以极低成本地一个一个扫过去。 当然实用价值有限，算法本身20年前就在用了，证明只是给了个理论盖章。现代通信系统关心的是软输出、是编码增益、是近似算法，不是严格的精确块恢复。O(N³)对真正大规模的MIMO也偏重。 但证明技术能迁移到随机格点解码、同步问题、稀疏恢复这些相邻问题上。 而且它展示了一种新的研究模式：人来判断哪些问题值得攻、给出方向和关键直觉，AI负责把那些需要耐心但不需要天才的长证明推完。 我看完最大的感受跟AI能力关系不大。就是觉得，有多少东西其实早就可以被解决了，积木都散在地上，就差一个不会无聊的人把它们搭起来。

GPT-5.6 的三个版本，逼出了我的选择困难症！ 我知道Luna、Terra、Sol 各有特点 如果都要自己切换模型、调推理强度，真的太麻烦 所以我用直接 Codex 手搓了一个GPT-5.6 Router版本 只需要和往常一样把任务交给他 他就会自动判断任务类型和复杂度，匹配对应的模型和推理强度： 简单的交给 Luna，快速处理，及时反馈 常规的交给 Terra，复杂任务再调用 Sol 深度推理 这样既减少不必要的 Token 消耗和模型成本 也省去了反复切换模型浪费的时间 用起来真的舒服多了～ 如果兄弟们感兴趣，到时候我也把整个项目完整开源出来！

GPT-5.6 前端审美也不差啊，前提需要给好参考图。 我打算做一个个人课程站，首版出来的效果一言难尽，给了参考图之后，立马就好多了。 现在搭配 Site 功能，可以直接完成想法到落地，整体体验很棒！

GPT 5.6 确实很行，做到了我五个月前想做但做不到的事情。当时想给 @Lakr233 的 增加 AppKit 的支持，但是费了老大劲，也只是模拟出一点点的手感，离完美差得很远，昨天用 GPT 5.6 很快就达到了接近完美的效果了。