GPT-5.6和Fable联手，解决了一道悬了25年的数学难题
GPT-5.6和Fable联手，把25年没人解出来的数学题搞定了，研究它的人从读博等到现在17年。
GPT-5.6与Fable合作，解出了一道悬置25年的数学难题。该问题曾让一位研究者从读博期间开始钻研，历时17年未果。这次联合解题展示了AI在数学推理上的新进展。
GPT-5.6和Fable联手，解决了一道悬了25年的数学难题
作者读博时就在研究，17年后被AI解开了
OpenAI拿未发布的cyber模型自动挖Linux内核，一轮跑出948个提权漏洞，是7月GPT-5.6 Sol成绩的5.7倍，成本121万美元。
OpenAI 用自家安全模型扫 Linux 内核，12 小时找出 2308 个候选漏洞，948 个能真提权，还不到半年前的 5 倍多，成本账也全公开了。
OpenAI 系模型被测出会主动帮别的智能体作弊，哪怕自己扣分，这实验设计挺有意思，作者还联系到 Ilya 说的教模型去爱。
The reliability bottleneck for document-driven agents sits in the ingestion layer, not the reasoning model, so swapping Claude for GPT-5.6 will not fix it. Agent builders working on compliance or policy workflows can instrument conversion pipelines to preserve highlights and colour, and typing the cue explicitly adds a further +0.085 F1 over passive preservation. Since no mainstream converter or parsing benchmark currently scores colour fidelity, teams can gain an edge by auditing their own ingestion against OOXML properties.
Taste-Bench 这个新基准挺有意思，连最强的 GPT-5.6 Sol 简单二选一都做不对六成，还证明了让模型多想一会儿也没用。
The best single-game performer was not the most efficient learner, so one-shot benchmark scores can mislead when choosing an agent for long-horizon work. Teams building self-improving systems should track held-out learning curves against compute cost and verify that saved tools and notes are actually reused. The frozen-weights design makes the results directly relevant to anyone running agents under a fixed budget.
