皮卡超345测试的结果和我印象差不多，gpt 5.6 sol的数理能力没有比5.5 pro强，主要加强的应该还是工程能力。我把我一个90+页的笔记扔给它，让它检验其中的结果，它挑了一个毛病。但那个“毛病”其实不是真毛病，是之前我、学生和gpt5.5分别独立推导过的，纠正了别人论文里推导的结果。而它挑这个“毛病”的时候恰恰引用了错的论文，所以这里它并没有按照我的要求自行推导，而是偷懒用了已有文献。后来我让它必须独立推导一下，它也推出来了。
从这点来看，对于90+页这么长的理论笔记，由于需要推导的东西太多，当前的5.6 sol 还是无法一次性完全独立检验。也许还是得分章节一点点处理，当然对于现在工程能力变强的5.6来说，这应该是比较容易自动化实现的。