當能力跨出螢幕：統計反例、機器手與開放權重的三種驗證

模型能力正沿著三條路跨出聊天視窗：協助研究者找到可驗證的數學反例、控制能在真實家庭操作物品的機械手，以及以開放權重進入更多開發者的產品。這三條路的共同要求不是更華麗的展示，而是讓外界能檢查證明、硬體規格與模型限制。

GPT-5.6 找到反例，人類作者仍負責檢查

賓州大學統計學者 Edgar Dobriban 發表論文，證明廣泛使用的 Benjamini-Hochberg 程序，在相關的雙尾高斯檢定下，可能無法把錯誤發現率控制在名目水準。論文建立一個因子模型，並以區間算術憑證證明，在設定水準 0.01 時，錯誤發現率可高於 0.0104。

論文摘要與全文明確揭露，證明由 GPT-5.6 Pro 取得，再由作者仔細檢查。這比「模型解開二十年懸案」更精確：成果不是否定整套方法，也不是說所有相關資料都失效，而是找到一個足以推翻普遍猜想的特定反例。科學價值來自可讀的證明、可重現的數值憑證，以及作者願意承擔最終判斷。

NEO 的手，讓資料開始決定機器能學會什麼

1X 為 NEO 人形機器人推出 25 自由度、以腱索驅動的手。致動器置於前臂，再透過類似肌腱的傳動方式控制手指；官方規格稱它達到 IP68 防水防塵並可接觸食物，能執行洗手等日常動作。1X 技術說明也公布拇指與指關節扭力、指端力量等數據。

這些仍是公司公布的設計與測試結果，不能直接推導 NEO 已能可靠完成「任何人類手部任務」。但方向很清楚：若硬體能承受水、灰塵與反覆接觸，機器人學習的瓶頸就會逐漸從「手做不到」移到「資料是否涵蓋真實環境、策略是否安全」。硬體規格愈接近生活場景，公開耐久性與失敗案例就愈重要。

Inkling 用模型卡把「開放」拆成可檢查項目

Thinking Machines Lab 發表 Inkling，提供開放權重並採 Apache 2.0 授權。官方模型卡說明，它可接受文字、圖像與音訊輸入，再產生文字輸出，適用於工具使用、程式協作、聊天與檢索增強等場景；使用者也能透過 Tinker 進行微調。

值得注意的是，Inkling 發表文章主動標示部分測試使用的 checkpoint 與正式釋出版不同。這種揭露比一句「開源」更有價值：權重可下載，不代表基準成績能直接重現，也不代表下游微調後仍維持同樣安全性。部署者需要保存版本、評測條件與微調資料來源，才能知道產品行為為何改變。

三項可核對的延伸動態

• OpenAI 推出 230 美元的 Codex Micro 實體鍵盤，為程式代理工作流提供專用控制鍵。它是周邊產品，不應被解讀成代理本身取得更多電腦權限。
• OpenAI 公布 GPT-Red，以自動化紅隊模型找出提示注入，再把攻擊用於 GPT-5.6 的對抗訓練。官方報告稱直接提示注入失敗率降至 0.05%，但這是自家測試環境的結果，仍需要外部驗證。
• NVIDIA 發表新的 Jetson Thor T3000 與 T2000 模組，採 Blackwell 架構，目標是把視覺、邊緣推論與機器人策略放進更緊湊的裝置。NVIDIA 公告也列出模擬模式與軟體時程。

驗證鏈比單一排行榜更重要

統計反例需要作者與社群檢查，機械手需要真實環境的可靠度數據，開放權重則需要版本與評測紀錄。當能力跨出螢幕，錯誤也會跨進研究結論、家庭空間與下游產品；能否留下完整驗證鏈，才是這些技術能否被負責任採用的分界。