一、GPT-5.6 Sol Ultra一小时破解50年数学难题
7月10日，OpenAI宣布了一项震撼学术界和工业界的里程碑：旗下GPT-5.6 Sol Ultra模型在不到1小时内成功生成了图论领域悬而未决长达50多年的"循环双覆盖猜想"（Cycle Double Cover Conjecture）完整证明。OpenAI已将完整证明过程及提示词以PDF形式公开发布。
GPT-5.6是OpenAI于6月23日发布的旗舰模型系列，分为Sol（最强推理）、Terra（均衡性能）、Luna（低成本）三档。其中Sol Ultra模式在Terminal-Bench 2.1得分高达91.9%，创下历史新高。此次数学猜想的成功攻克，展现了GPT-5.6在长链推理、形式化证明和自主科研方面的质变式突破——AI不再只是代码补全或文案生成工具，而是能够独立从事高强度科学推理的"研究伙伴"。
这不仅是AI能力的胜利，更是科研范式的转折。当最前沿的数学难题可以用一小时而非半个世纪的等待来求解，人类科学发现的"时间尺度"正在被AI重新定义。
二、DiscoPER：AI科学家的"元反思"觉醒
几乎在同一时间，爱丁堡大学与MIT联合研究团队发布了DiscoPER自主科学发现AI框架（论文编号arXiv:2607.01131）。这套系统的核心创新在于赋予AI一种"元反思"能力——系统能够定期审视自身所有已验证的发现，自主识别研究盲区，并据此调整探索方向，无需任何人类预设研究问题。
DiscoPER的设计理念精妙：它就像一个经验丰富的老侦探，案件查到一半会主动把所有线索摊在桌上，问自己"我漏查了什么？"——然后决定下一步往哪里查。相比传统"假设-验证"模式，DiscoPER的"提出假设→验证→反思→再提出"闭环更接近人类科学家的真实工作流程。从表格数据到照片图像，DiscoPER均能自主从中发现统计验证的科学规律。
这一进展对工业AI具有深远影响。在制造业场景中，产线数据往往是高维多模态的——设备传感器时序数据、质检图像、工艺参数日志并存。DiscoPER代表的"自主发现"范式，意味着未来工业AI不再需要人工逐一设定KPI和阈值，系统可以自主发现影响产品质量的隐藏变量和因果链。
三、谷歌TabFM开源：零样本学习攻入表格数据
6月30日，Google Research正式发布并开源了面向表格数据的零样本基础模型TabFM，将大模型的"上下文学习"能力引入企业最常见的分类与回归任务。TabFM采用混合注意力架构，在数亿合成表格数据上预训练，在TabArena等基准及51个真实数据集上综合性能超越经过精细调参的传统监督学习算法（如XGBoost）。
对于工业界而言，TabFM的意义可能被严重低估。在企业数据挖掘和商业智能场景中，90%以上的结构化数据以表格形式存在——ERP报表、设备台账、质检记录、供应链明细等等。传统上，要对这些数据建模需要数据科学家花费数天甚至数周进行特征工程和模型调参。TabFM使得数据分析人员几乎无需传统机器学习训练流程即可完成预测——只需提供包含历史样本与待预测行的完整数据表，模型在单次前向传播中即可完成分类或回归。谷歌已宣布将TabFM直接集成至BigQuery ML。
四、中国大模型周调用量27.58万亿Token连续七周全球登顶
在底层能力突破的同时，中国大模型的全球市占率也在持续攀升。根据OpenRouter最新数据，上周（7月6日至12日）中国AI大模型周调用量达27.58万亿Token，环比增长17.61%，连续七周增长并稳居全球首位，是美国的四倍以上。腾讯混元Hy3（free）以6.13万亿Token登顶，终结DeepSeek-V4-Flash的七连冠。
特别值得注意的是，自2026年2月8日以来，美国企业使用中国AI大模型的Token占比每周稳定在30%以上，最高触及46%。这一比例在2025年上半年仅为4.5%。中国大模型正以"极致性价比+强Agent场景适配"的组合策略，在全球企业市场实现跨越式增长。