杨博士说AI：GPT-6、Astral 与 Claude Opus 5.5 破译 433 年前教皇密信

以下是视频口播的自动转写，可能有错字。

最近呢，gpt-6、astral 和 cloud ops 5.5几乎在同一时间呢，成功的破译了433年前的一个信件。这个是1593年天主教的联盟留下两封绝密信，过去几百年几乎没有任何一个专家能解读。那为什么比较难解读呢？原因是这里面用了一套非常复杂的密码，叫做多音替代密码，penny phonics substitution cipher。

普通的密码呢，是一个字符代表一个字母，而这套密码呢，是一个字符对应两个可能的字母。同一个字符在不同的位置，既可能是 a，也可能是 b。这意味同一个密文的符号，有50%的概率是被译错的。一封信几百个符号，靠概率硬猜的话，可能是一堆语法完全不通的乱码。

那这样的这种大力出奇迹，暴力解决的问题的方法呢，就 ai 是最合适的。那为什么在 ai 出来之前，互联网就是所谓的计算机科学没有解决呢？原因其实这里面呢很多是手写体，并不是印刷体。虽然这里面遇到了4层不同难题，第一层呢就是手写符号的识别，因为它不是印刷体。

16世纪的秘书手写符号有大量的变体，同一符号在不同位置可能有微小的笔画差。这呢交给 ocr 模型就是有难度的。第二呢是双字母映射，这我刚才介绍了。第三呢，古语法还原，16世纪的法语的拼写和现代的法语不同，语法结构也不同。ai 必须能把解密后的字母序列还原成符合那个时代的语言的习惯的文本。

第四呢，就是历史的语境的推理了，这是最容易被忽略，但是最致命的。比如说在书信中大量的代称，比如说我们书院的朋友，我的叔叔，每一个代称背后是谁，需要结合1593年罗马的政治格局来判断。所以这四个结合在一起的话，从 ocr 模型到滴滴两个不同的双字母映射，再到语法还原，历史语境推理，ai 大模型是唯一可以有效的把里面的所有细节连成线，把大量的复杂工作呢变成自动化的一个系统。

当然了，这里面还有一个非常有意思的辅助线索，就是在1593年，密码员曾经呢成功的破译过两封姐妹信件。换句话说呢，是有一些参考答案的。那这个姐妹信件虽然不是原件，但是在解密过程中做了一些字母的一一对应的破译，破译完的语境，破译完的语法呢，是可以用来参考本次的信件的翻译。

那最终呢，oppo 呢，在整套的答案键中，翻译中呢，达到了98.5%的准确性，解码后的字母正确率呢达到95.6%。gpt6 astral 呢，会程度完整度高达100%，仅有一个字符存疑。最终呢，破译了背后的历史的故事。那类似的，其实 ai 的破圈的故事呢，发生在多个场景。

除了翻译以外，meta 最近呢也官宣，在过去6个月里，最新的模型 muse spa 已经成功的协助人类数学家连破六大数学领域的开放性难题，其中五篇论文直接给到了悬而未解的世界前沿的答案，甚至推翻了现有的一些理论的规则。那我想借这个机会呢，想分享一下 ai 大模型做到今天这一步呢，其实模型之间的单纯靠榜单跑分，以及呢一些基础的传统的一些场景，比如说 coding 啊，比如说问答，能看到的差距已经不大了。

所以模型公司的为了破圈呢，其实一直在寻找大家更关注的应用场景。无论是解决数学难题，还是解密历史疑团，甚至包括一些大家比较关心的生物医药，比如说基因编辑，或者是癌症治疗相关领域，也包括了走进物理世界的，比如说跟机器人、机械狗、机械臂，甚至一些其他的高科技的场景，比如说无人机啊，这些场景的应用。

就像我之前分。讲的，这波的 ai 升级呢，其实是已经从原来的传统的通用大模型，只关注通用场景，已经切到了各个垂类场景。现在的巨神大模型中最强的驱动模型呢，居然是 astral。而无论是垂类的3d设计，还是解决数学难题，还是相关的法律啊、医疗啊，每个场景呢，其实在一定的数据的合成跟以报的基础上呢，通用大模型都能取得不错成绩。

反而呢，这些场景呢，是对于文本模型，特别通用型的大约模型最容易出圈的场景。这也是为什么现在的大模型公司更关注的是非传统的榜单上的成绩，以及它 demo 的能力呢，也希望更能博得广泛用户的眼球。就像我之前分享，只有场景变大，只有做到无处不在，只有场景的触点变多，ai 模型的 token 的使用量才会提升。

而对于所有模型的公司来说，第一核心的指标依然是自己的 token 的使用量。只有 token 使用量起来了，才能在这场群雄逐鹿的赛道里面杀出一片自己的血路。所以目前无论是 astral 还是 opus 5.5，还是 meta muse spark 做的一系列的市场的动作，所谓的 pr star 是值得我们其他模型公司学习的。