# AI 实验室该掏钱支持历史研究了：用 GPT-6 和 Opus 5.5 追炼金术知识、破译 17 世纪信件

> 原标题：Using LLMs to trace alchemical knowledge and decode 17th century letters

- 来源：Hacker News 首页
- 发布时间：2026-09-24T19:14:27.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/58707
- 原文：https://resobscura.substack.com/p/ai-labs-need-to-start-funding-historical

## 摘要

作者用 GPT-6 Sol 和 Opus 5.5 试了两道历史难题：一是破译一条 1941 年的恩尼格玛密文，模型自己跑去德国联邦档案馆翻出了补充记录；二是把牛顿一段拉丁文炼金术笔记，追溯到此前未被指认的法文出处。他的判断是，现在的顶尖模型在密码破译、跨语言文本溯源、跨小众领域串联线索上，已经能给出可验证的结果，跟去年只能当助手完全不是一回事。文章没提...

## 推荐理由

文章用两个可验证案例展示了前沿模型在密码破译和跨语言文本溯源上的真实能力，不是空谈。但话题是学术历史，对 AI 行业读者的吸引力偏弱，所以分数刚好卡在 featured 门槛上。

## 锐评

作者用 GPT-6 Sol 和 Opus 5.5 做了两件事：一是破译一条 1941 年的恩尼格玛密文，模型自己跑去德国联邦档案馆翻出了补充记录；二是把牛顿一段拉丁文炼金术笔记，追溯到一个此前没人指认过的法文出处。他的判断是，现在的模型在密码破译、跨语言文本溯源、跨小众领域串联线索上，已经能给出可验证的结果，跟去年只能当助手完全不是一回事。

文章把适合 AI 的历史问题框得很清楚：数据要已数字化、答案要能被明确证实或证伪、最好涉及多语言推理或写代码。这解释了为什么数学领域被模型“扫荡”，而人文学科还没动静。但全文没提任何合作框架、预算数字或资助方，只说了“应该开始合作”。

还缺什么：没有对照组，没说明模型是自己跑的还是作者一步步提示的，也没交代破译和溯源的验证流程有多严格。这些缺口让“可验证”这个说法得打个折。