По имеющимся сообщениям, профессор статистики Пенсильванского университета дал GPT-5.6 Sol Pro открытую конъектуру о методе Бенджамини-Хохберга — одной из фундаментальных процедур множественного тестирования гипотез. Задача оставалась нерешённой около 30 лет. Модель опровергла её примерно за 90 минут. Предшественник, GPT-5.5, безрезультатно работал над той же задачей 20 часов. Решение, по описанию, комбинирует известные методы нетривиальным образом.
Контекст
BH-процедура (метод Бенджамини-Хохберга, опубликована в 1995 году) — базовый инструмент современной статистики. Она контролирует долю ложноположительных результатов при одновременной проверке множества гипотез и применяется в геномике, клинических исследованиях, экономике, машинном обучении. Вокруг метода существуют незакрытые теоретические конъектуры — одна из них и стала предметом эксперимента.
OpenAI позиционирует GPT-5.6 Sol как модель с усиленным reasoning-режимом — глубокими многошаговыми рассуждениями. Сравнение с GPT-5.5 здесь особенно показательно: разрыв не в скорости генерации и не в баллах бенчмарков, а в принципиальной способности дойти до ответа. 90 минут против 20 часов и нулевого результата — это качественная, а не количественная разница.
Важный нюанс, который честно поднимает исходный материал: решение комбинирует уже известные математические методы нетривиальным способом. Это сохраняет открытым ключевой вопрос — создаёт ли AI принципиально новое знание или делает очень точную рекомбинацию существующего? Ответ влияет на то, как именно такие инструменты встраивать в реальные исследовательские процессы.
Аналитика
Опровергнуть математическую конъектуру — значит найти контрпример или построить доказательство, закрывающее возможность истинности утверждения. Это не поиск по базе данных. Это многошаговое рассуждение, в котором каждый переход должен быть формально обоснован. То, что GPT-5.6 Sol справился, а GPT-5.5 — нет, говорит о скачке внутри одного поколения, а не просто о росте параметров.
Математика строга: доказательство либо верно, либо нет. Именно это делает её идеальным полигоном для оценки реальных reasoning-способностей. Если frontier-модели стабильно работают здесь, следующие применения очевидны: формальная верификация программного обеспечения, теоретическая биохимия, поиск уязвимостей в криптографических протоколах. Все эти области имеют открытые задачи с однозначными критериями правильности.
Для организаций важен и операционный вывод: AI-сессия с правильно поставленной задачей заменяет дорогостоящую консультацию узкого специалиста или многомесячный R&D-цикл. Профессор получил результат за 90 минут вместо потенциально неограниченного ожидания. Вопрос уже не «когда AI дойдёт до этого» — вопрос в том, у кого внутри компании есть привычка так формулировать задачи.
Кейсы применения в бизнесе
B2B-SaaS стартап с аналитическим ядром. Если в основе продукта — статистический движок, A/B-тестирование или ML-модели, у команды наверняка есть открытые методологические вопросы, которые откладываются из-за нехватки ресурса. Сформулируйте их как формальные задачи и запустите сессию с GPT-5.6 Sol: даже направление ответа сократит итерации разработки на недели.
Корпорация с legacy R&D-отделом. В крупных структурах годами накапливаются технические проблемы, для которых «нет профильного специалиста» или «слишком нишевая область». AI-сессия с хорошо структурированным запросом может заменить внешнюю консультацию или дать отправную точку для внутренней команды — за несколько часов вместо месяцев поиска эксперта.
SMB и локальный бизнес в КР/СНГ. Прямые математические доказательства — редкость в повседневной операционке. Но косвенный вывод прямой: если модели справляются с задачами такого уровня, они тем более закроют оптимизационные и аналитические задачи малого бизнеса — ценообразование, финансовые модели, планирование ресурсов. Барьер использования — только качество формулировки задачи.
Кейсы в личной жизни
Разработчик или data scientist. Алгоритмические задачи, которые застряли, — хорошая точка входа. Попробуйте описать проблему формально, а не разговорно: не «объясни, почему не работает», а «докажи или опровергни: данный алгоритм завершается за O(n log n) при следующих условиях». Reasoning-режим GPT-5.6 Sol даёт значительно более глубокий разбор, чем стандартный chat.
Студент и исследователь. Открытые вопросы курсовой или диссертации, сформулированные как конъектуры, — отличный материал для AI-сессии. Модель может предложить направление атаки на задачу, которое исследователь не рассматривал. Результат обязательно верифицировать самостоятельно, но поиск направления ускоряется принципиально.
Контент-мейкер и автор научпопа. Этот кейс — готовый сериал: «что именно AI решил, как именно, и что это значит». Истории с конкретными математическими результатами, объяснёнными доступно, собирают устойчивую аудиторию — в отличие от абстрактных текстов про то, что AI «трансформирует науку».
Как применить сегодня
- Откройте GPT-5.6 Sol Pro и дайте конкретную нерешённую задачу в формальной постановке — с чёткими условиями и критерием решения, без разговорного стиля.
- Попросите модель искать контрпример, а не «решить задачу» — это чаще даёт продуктивное направление при попытке опровержения.
- Сравните поведение GPT-5.5 и GPT-5.6 Sol на одной задаче: разрыв в качестве рассуждений может оказаться принципиальным, а не косметическим.
- Если вы работаете с данными — попросите AI найти слабые места в базовых допущениях вашего аналитического пайплайна: методологические ошибки, которые годами не замечали.
- Следите за секцией arXiv cs.AI и math.ST: первые верифицированные AI-доказательства уже публикуются, и темп нарастает.