AI 辅助完成 11 个正方形最优填充的 Lean 形式化证明
AI 辅助完成的 11 个正方形最优填充证明已通过 Lean 4.34.1 验证,最终审计显示零接纳(zero admissions)。该证明包含 7,920 个本地 Lean 模块,采用原生数值证书检查,最优边长约为 3.8770835900228141773。
AI 辅助完成的 11 个正方形最优填充证明已通过 Lean 4.34.1 验证,最终审计显示零接纳(zero admissions)。该证明包含 7,920 个本地 Lean 模块,采用原生数值证书检查,最优边长约为 3.8770835900228141773。
陶哲轩质疑 OpenAI 发布 719 份 AI 数学证明,认为高速生成但人类来不及验证理解会破坏数学研究生态。OpenAI 仅 10 份手稿附推理链,约 42% 未经形式化处理。此事延续自 10 月 6 日 GitHub 发布 722 份后撤回 3 份的公开目录。
推荐理由:陶哲轩质疑OpenAI批量发布719份AI数学证明,认为以速度数量衡量理解会破坏数学研究的理解与合作生态。
字节 Seed 团队在 arXiv 发表论文,指出分块 KV 缓存压缩引入的“相位敏感性”是 DeepSeek 长上下文性能漂移的原因。该研究评估了 DeepSeek-V4-Flash 等模型,发现长上下文检索准确度在不同相位间可能相差高达 40 个百分点,揭示了平均基准分数掩盖的周期性弱点。
OpenAI 在 API、Codex 和 ChatGPT Work 中推出 GPT-6.1 Sol Ultrafast 版,运行速度最高达标准版 8 倍,定价为标准版 6 倍。该版本输入每百万 tokens 12 美元,输出 60 美元,目前面向 Pro 500 及特定企业版用户开放。
菲尔兹奖得主陶哲轩等数学家发表声明,呼吁抵制 OpenAI,批评其一次性发布 700 多个文件是“权力的展示”而非学术贡献。此前 OpenAI 曾宣称内部模型单月解决超 100 个未解数学问题,包括纳维-斯托克斯方程。该声明加剧了持续数月的争议,此前 OpenAI 已成立 AGMAI 咨询组,但被指忽视了“不应在内部模型上测试高难度数学问题”的建议。
OpenAI 本周发布的数百个数学难题解决方案未达普林斯顿高等研究院 AGMAI 设定的标准,仅 10/719 份手稿包含思维链,且 42% 的证明未完成形式化。剑桥大学与国王学院的新论文指出,OpenAI 针对 Navier-Stokes 方程问题的自然语言证明与 Lean 代码存在至少两处不一致,引发对模型自主形式化可靠性的质疑。
Periodic Labs 的 Liam Fedus 和 Ekin Dogus Cubuk 阐述了“合成超级智能”愿景,主张通过物理实验中的强化学习让 AI 发现新材料。他们指出科学发现不同于数学编码,需要处理噪声与不确定性,且失败实验是宝贵的训练数据。该实验室旨在将自主实验扩展到 AI、化学和物理领域,以压缩科学试错周期。
两位以太坊研究者警告,AI 辅助数学可能在数月内破解加密钱包使用的签名系统。Justin Drake 建议行业准备“bunker mode”,将资金转移至从未签署过交易的地址以保护私钥。Vitalik Buterin 虽同意该风险,但指出其因迁移失误损失的资金多于被黑客攻击,并主张长期采用仅依赖哈希函数的架构。
UniPat AI 发布多学科端到端论文复现基准 PaperBenchX,表现最强的 GPT-6 Astra 在 93 个任务中完整复现率仅为 13.98%。该基准覆盖 12 个研究方向,要求 Agent 在隔离环境中重跑工作流以验证科学证据,目前团队已开源 12 个代表性测试任务。
Anthropic 发布 Claude Haiku 5.5,定价与 GPT-6 Luna 持平,运行成本较 Haiku 4.5 降低约 75%。该模型支持 1M token 上下文,在 Artificial Analysis 评测中 Intelligence Index 达 43 分,领先 GPT-6 Luna 的 38 分。这是 Anthropic 时隔约一年推出的首个 Haiku 层级更新。
ACEMAGIC F9A 迷你工作站搭载 AMD 锐龙 AI Max+ PRO 495 处理器,192GB 内存与 2TB 存储配置首发价 49,998 元。该机型支持将 160GB 统一内存配置为显存,可本地运行 300B 参数 LLM。
OpenAI 在 ChatGPT 中推出 GPT-6 与 Intelligent UI,付费层先用 GPT-6 Sol 免费层次日用 Luna。Intelligent UI 可组合文本与图形按钮等交互元素,GPT-6 网页搜索响应比 GPT-5.6 快 44%。此次发布扩展了上月向付费客户推出的 GPT-6 家族。
华硕推出 ProArt P14/P16 笔记本及 GR1X 迷你主机,均搭载英伟达 RTX Spark 超级芯片,最高提供 1 PFLOP(FP4)AI 算力与 128GB 统一内存。ProArt P16 起售价 2,799.99 美元,ProArt P14 起售价 3,099.99 美元,支持本机运行大型语言模型与 AI Agents 工作流。
Anthropic 发布新模型 Claude Haiku 5.5,在 100,000 tokens 内定价为 $0.10/$0.50,与 GPT-6 Luna 持平且基准分数更高。
Thomas Bloom 于 2026年10月6日宣布对 erdosproblems.com 网站实施变更,暂停问题评论与证明提交并移除问题状态展示,以应对 AI 生成证明泛滥侵蚀人类数学讨论。该网站自2023年5月28日上线以来已收录1221个问题,近期因 AI 能力跃迁导致社区活跃度下降。这一调整反映了数学领域在 AI 冲击下维护人类协作空间的尝试。
推荐理由:AI 能力跃迁使数学问题网站暂停证明提交,折射出人机协作中人类讨论空间被挤压的现象。读者可观察数学领域应对冲击的思路。
Anthropic 发布 Claude Haiku 5.5,价格较前代最多降 90% 且基准性能大幅跃升,适用于高量低成本任务。在提示最长 10 万 token 时每百万 token 输入价 0.10 美元,超长提示贵 5 倍;Terminal-Bench 4.0 代理编码得分从 0 升至 39.2%,OSWorld-2.1 计算机使用达 72.4%。
推荐理由:Claude Haiku 5.5价格最多降九成且代理编码基准从零到39.2%,为低成本自动化提供新选项。
英伟达发布 DGX Station for Windows,最高 748GB 统一内存,支持本地运行约 1 万亿参数模型。设备为桌面级 AI 超级计算机,搭载 NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip,AI 算力最高 20 PFLOPS,将于 2026 年第四季度上市。
微软正计划将 MAI Code 1.1 Flash 模型(130B 参数、256K 上下文)引入 Windows 11 设备。该升级版模型已集成 GitHub Copilot 等开发环境,采用 3-bit 量化缩小 80%,新增看图写代码能力,编码基准提升约 22% 且输出更快。这是继 6 月发布后从工具走向系统层整合的延伸。
Nemotron 3 经 SFT 与 RL 微调后在 IOI 2026 和 IMO 2026 均超过金牌阈值。IOI 2026 中 Nemotron-3-Ultra-CC 获 535.4/600,IMO 2026 系统得 30/42,模型、数据集与 NeMo-Skills 推理管线已在 Hugging Face 开放。
推荐理由:原文给出了从 Nemotron 3 通过 SFT、RL 与推理循环微调至竞赛金牌水平的复用配方,读者可参照适配其他专业领域。
OpenAI 在 GitHub 发布 372 个内部前沿模型生成的数学证明,涵盖开放问题进展与主要算法改进。证明附 Lean 形式化验证与修订日志,多数由单一 agent 单次提示生成,平均消耗约三小时 ChatGPT Pro Thinking 算力,绕开传统同行评审期刊。
OpenAI 公开内部前沿模型生成的722篇数学论文与证明工件,称解决500大开放数学问题中的90个,平均每个结果约3小时 ChatGPT Pro 计算。同期 Mistral 发布 Large 4 模型(1T参数、49B激活),Google 推出 EmbeddingGemma 2 多模态嵌入模型与 Nano Banana 2.1 图像模型,行业动态密集。
Jake Boggan 表示 Barnette 猜想已被 OpenAI 证明,他对此感到复杂且悲伤。该问题曾占据其 24 年思考时间,他曾在布达佩斯研究图论并投入数千小时。这是 OpenAI 在数学领域解决著名未解问题(Problem 180)的又一进展。
OpenAI公开722篇由未发布内部模型生成的数学手稿,涵盖准黎曼猜想、霍奇猜想、BSD猜想等17个方向。论文源码与部分Lean证明已传至GitHub,但三位菲尔兹奖得主在内的顾问组表示不代表认可结果。此前9月流体力学证明争议已现,数学界阅卷才刚起步。
OpenAI 发布了 722 篇数学手稿,包含未发布前沿模型解决的“数百”个开放问题解。手稿发布至 GitHub 仓库并附推理摘要与算力估计,此前 9 月该公司称模型已解决超 100 个长期开放问题。
OpenAI 公布一批包含722份手稿与372个结果家族的文件,展示未发布前沿模型解决数百个长期数学难题。文稿含模型推理摘要与算力估算,单成果耗算力约等同 ChatGPT Pro 连续思考三小时。
推荐理由:OpenAI 公开未发布模型解决数百数学难题的手稿与算力估算,延续 AI 实验室进入数学领域引发的伦理讨论。
OpenAI 发布了内部前沿模型在数学开放问题上的新结果,并在 GitHub 分享 Lean 证明形式化与研究细节。
推荐理由:OpenAI 公开前沿模型在数学开放问题的新结果,并放出 Lean 证明形式化与 GitHub 研究细节,便于学界验证进展。
Simon Willison 于 10 月 6 日发布了 llm-mistral 0.16 月度简报。该简报聚焦 LLM 与 Mistral 相关动态,并包含推理(reasoning)主题内容。
Mistral 于2026年10月6日发布 Mistral Large 4 预览版 Le chonk,模型为1万亿参数、490亿活跃参数,经 API 开放。公司承诺本月底释放开放权重,仅支持 none 与 high 两档推理级别。
Mirror Particle 正在从零构建一个模拟人类行为动机及随时间变化的“世界模型”,以替代依赖 LLM 角色扮演的传统预测方法。该引擎结合客户数据、时事及社交媒体,重点分析“揭示行为”而非自报调查,旨在为品牌提供行为背后的“为什么”。
Microsoft Research 研究员 Jennifer Neville 在播客中探讨 AI 系统评估如何推动性能边界,并分析模型在超越传统基准测试时出现的“意外失败”。她指出,当结果违背预期时,深入审视数据至关重要,并分享了与当前 AI 系统协作的实用指南。这一讨论旨在从人类或人工智能路径未如预期展开的经历中汲取教训,以预测 AI 未来的发展方向。
TechCrunch Disrupt 2026 将于 10 月 13-15 日在旧金山 Moscone West 举行,并公布了包含 AI 智能体构建、推理经济及物理 AI 等主题的分论坛议程。每场 50 分钟的互动环节设有专家分享与观众问答,旨在帮助创始人深入探讨行业痛点,席位有限且先到先得。
Mistral 发布 Mistral Large 4 预览版,这是拥有 1T 参数和 49B 激活参数的原生多模态 MoE 模型,具备指令遵循、推理与智能体能力。
Google 将从10月9日起限制 Gemini 免费用户仅能使用 Flash Lite,Flash 与 Pro 需订阅才能访问。
Mistral 发布 Mistral Large 4 公开预览版,这是一款 1 trillion-parameter 原生多模态开放权重模型,预览 API 已上线、权重月底发布。它在编码、智能体与多模态理解上超越欧美开放权重模型,并支持企业自主部署于网安等敏感领域。此为 Mistral 获 €3 billion Series D 后首个里程碑。
推荐理由:Mistral Large 4 开放权重预览已上线,企业能在欧洲自建设施部署前沿多模态模型,降低对第三方API与内容审查的依赖。
Reflection 发布首个免费开放权重模型 Beam,面向编码、逻辑推理和智能体任务,主打以更低算力取得强结果。Beam 采用 MoE 架构,每 token 激活 501B 总参数中的 23B,Reflection 称其在推理任务上以少三到四倍算力达到 GLM 5.2 的水平,但原始性能仍不及 Kimi K3 等更强的开放模型。
PhAI Labs 团队基于 Yann LeCun 的 JEPA 架构开发了 JEPA-Anything,该模型在物理、机器人和气象等七个领域的动态系统预测中表现优于标准 JEPA,在简化 Pong 环境中预测误差降低 35%。
Reflection 发布纯文本 MoE 模型 Beam,总参数 501B、激活参数 23B,采用 Apache 2.0 协议。该模型在 SWE-bench Verified 上得分 80.9,推理效率为 GLM 5.2 的 3-4 倍。这是 Reflection 成立一年多后首次正式推出模型,标志着其作为美国本土实验室的正式亮相。
华为与高通达成覆盖 5G、AI 等领域的广泛专利许可协议,高通将收购华为部分美国专利,交易完成后华为专利许可累计总金额超 69 亿美元。DeepSeek V4.1 Flash 发布后,中国顶尖 AI 模型与美国领先模型在 LiveBench 跑分差距缩小至 3%。
Reflection AI正式发布开放权重模型Beam,声称以3-4倍更少推理计算匹配GLM-5.2等中国模型性能。Beam为501B参数文本MoE模型,具备1M token上下文窗口,本月将开放权重与技术细节。这是其构建西方方案对抗DeepSeek与Qwen开放模型的举措。
过去一年,OpenAI 和 Anthropic 等实验室在包括千禧年大奖难题在内的多个长期数学问题上取得突破,但快速推进的方式引发了学界反弹。AI 实验室表示正从早期错误中学习,但承诺能否兑现仍待观察。