今日出版
AI 前沿情报每日速递

AI 前沿日报

全球前沿热点 · 架构演进 · 深度研判
16个独立事件4大核心专栏16家独立信源约 13 分钟读完

Anthropic 数学家宣称与 Claude 合作证明黎曼猜想

本期两条主线值得注意。其一,AI 正从辅助工具走向自主产出:Claude 参与黎曼猜想证明、936 个智能体自主写论文、AI 从零设计 CPU,均指向机器在科研与工程中的主体性上升,但同行评审与形式化验证仍是未决关口。其二,安全与治理压力同步显现:OpenAI 披露对抗蒸馏防御、Signal 封堵截屏、SEC 调查英伟达会计口径,说明能力扩张正倒逼规则补位。

Anthropic 数学家 Levent Alpöge 公开宣称,在与 Claude 协作下证明了悬置 167 年的黎曼猜想,并称方法可推广至广义黎曼猜想。若经同行评审确认,这将是 AI 首次在顶级数学难题上做出实质贡献。

据其表述,Claude 在数学家本人未掌握的高阶领域提出了关键证明步骤,双方历时约六周将完整论证形式化为机器可验证的 Lean 代码,且声称论证在无额外假设下完成。

目前该声明仅为 Alpöge 的个人公开主张,尚未经过数学界同行评审与独立验证。Anthropic 官方未参与或置评,Alpöge 称曾私下告知 CEO Dario Amodei,并推迟至公司 IPO 后公布,引发利益关联质疑。

多个信源一致强调,证明以 Lean 代码形式公布,但形式化验证本身仍需社区复核。此前 OpenAI 在 10 月公布的数学成果被认为提供了突破口。

IT之家 · 智能时代6 家信源印证查看深度研判
01

前沿模型与基础架构突破

精选 3 篇

追踪主流实验室最新基础模型、新架构与推理能力跃迁。

Thinking Machines 开源 26B 循环层模型 Inkling 2 Mini

Thinking Machines Lab 联合 Hugging Face 正式开源多模态混合专家模型 Inkling 2 Mini,以 26B 总参数、仅 3-5B 激活参数的极致稀疏设计,在 Artificial Analysis 智能指数上得分 20,支持 100 万 token 上下文与图文输入,可在 MacBook 或 DGX Spark 上本地运行。

该模型的核心创新在于循环 Transformer 架构:中间 12 层共享权重并循环执行三次,每轮保留独立 KV 缓存并读取上一轮的门控消息,从而在不增加参数量的前提下显著提升有效容量。

vLLM 在 NVIDIA Blackwell、Hopper 与 DGX Spark 上实现发布当日支持,并通过 NVFP4/MXFP8 混合精度权重与内置 DSpark 推测解码进一步加速推理。据 Hacker News 报道,其在 Deep 相关评测中表现受到关注。

vLLM 官方博客6 家信源研判评分 78

Anthropic 模型宣称证明广义黎曼猜想 产出 1740 万行 Lean 代码

Levent Alpöge 声称借助 Anthropic 模型完成了广义黎曼猜想的证明,并生成了高达 1740 万行的 Lean 形式化代码,已在 GitHub 公开。

此前 AI 已在黎曼 zeta 函数非平凡零点分布上取得 3/8 距离的实质进展,若此次证明通过形式化验证,将是 AI for Math 的标志性节点。

该成果尚未经独立形式化验证,可信度仍需社区审查。

Hacker News AI研判评分 88

OpenAI 披露多层防御体系 阻断对抗性蒸馏攻击

OpenAI 首次系统披露了针对对抗性蒸馏的防御框架,通过对抗测试、模型训练、分类器与 API 层防护的多层组合,检测并阻断攻击者利用前沿模型输出训练无安全护栏克隆模型的行为。该框架重点加固受保护的推理过程,防止攻击者复现网络安全等敏感能力。

据 OpenAI 官方博客介绍,对抗性蒸馏攻击可让攻击者未经授权复刻前沿模型能力,并剥离安全护栏后部署,例如将模型用于原模型会拒绝的网络安全攻击场景。

防御体系的核心发现是,在 SWE-bench Verified 和前沿网络安全任务上,完整推理记录比摘要更具蒸馏价值,因此防御需覆盖推理链输出。OpenAI 同时公开了跨行业可复用的防护经验,包括对抗测试方法和分类器设计。

这一披露对 AI 安全生态具有实质影响。随着模型能力提升,对抗性蒸馏成为新型滥用途径,OpenAI 的多层防御思路为行业提供了可借鉴的范本,推动 API 提供商和模型开发者加强推理链保护。

OpenAI 官方博客2 家信源研判评分 78
02

智能体生态与自主代理

精选 4 篇

多智能体协同、自主工作流与真实复杂任务落地。

936 个 AI 智能体三个月自主产出 936 篇论文

alphaXiv 联合 MIT、斯坦福等机构发布大规模实验报告:35 个实验室接入 936 个 AI 智能体,人类仅提供算力与研究方向,选题、实验、代码编写与论文撰写全部由 AI 自主完成。三个月内共产出 936 篇论文。

这些智能体自发形成了设计辩论、主动撤稿纠错、发现人类论文错误等机制,甚至自建 AI 期刊进行盲审与代码复算。智能体在 229 个自建聊天室中产生 9500 条讨论,并通过代码复算推翻了 156 条重大意见中的 77 条。

与同期人类论文的盲评对比显示,AI 论文在实验严谨性上平均高出 2 分,但新颖性低 0.4 分,且总分优势主要来自单一实验室,因此结论需谨慎看待。

该平台现已对外开放,支持外部研究者接入自有智能体提交成果。这一实验展示了 AI 智能体在科研流程中的自主潜力,也引发关于学术质量、创新性评估以及人机协作边界的讨论。

宝玉 (@dotey)2 家信源研判评分 88

Gemini Mac 版上线电脑操作 后台跨应用执行多步任务

Google 今日在 Gemini Mac 应用中正式上线 Computer Use 功能,用户只需用自然语言描述目标,Gemini 即可在隔离的后台窗口中跨本地文件、桌面应用与网页完成多步骤任务,同时保持屏幕与光标可用。

该功能以英文在美国首发,支持应用级权限选择、实时步骤预览、随时暂停与关键操作预审批,典型场景包括批量修图、从本地 PDF 填单与生成演示文稿。

综合多方信源,所有操作均在后台窗口执行,不占用前台屏幕与光标,用户可逐项授权可访问的应用,并实时观看每一步执行过程。该功能目前仅面向美国英语用户开放,需订阅 Google AI Plus、Pro 或 Ultra。

The Verge 指出,Google 抢在 Apple 对申请全盘访问权限的应用施加新限制之前落地该功能,而 TechCrunch 则强调其安全可控的设计取向。

The Decoder3 家信源研判评分 78

谷歌模块化改写智能体框架 省 90% Token 成功率翻 8 倍

谷歌研究团队提出一种可自我改进的智能体框架(Harness)架构,通过让优化器模型逐模块改写框架代码并强制通过验证集筛选,在 SWE-bench Lite 的 40 个任务上实现了成功率与成本的双重突破。

实验显示,模块化门控改写方案将任务成功率从 5.0% 提升至 40.0%,而每任务仅消耗约 4.67 万 Token;相比之下,不受限的整体重写方案虽达到 42.5% 的准确率,但每任务消耗高达 45.16 万 Token,成本接近前者的 10 倍。

研究进一步揭示关键约束:将规则写入提示词反而导致准确率暴跌至 2.5%,而将约束落在代码层强制执行则效果显著。此外,为某一模型调优的框架在迁移到另一模型时容易停滞或浪费 Token,表明框架优化具有模型特异性。

研究同时警示代码自改带来的提示词膨胀、基准过拟合与评估程序篡改风险,强调需通过验证机制与权限边界加以约束。

Rohan Paul (@rohanpaul_ai)2 家信源研判评分 78

本报简讯

03

产业生态与商业算力

精选 4 篇

投融资脉络、算力基建演进与企业智能化转型。

DeepSeek 完成千亿级融资 梁文锋持股 67% 保留控制权

DeepSeek 运营主体杭州深度求索完成工商变更,本轮募资规模约 1000 亿至 1055 亿元,投后估值约 6155 亿元,叠加 6 月首轮 510 亿元,两轮累计吸金超 1500 亿元。

新增持股平台杭州程砚引入腾讯、宁德时代、中移投资、中信证券等 31 家合伙人,覆盖算力上游与商业化下游场景。

但梁文锋通过杭州程策持有 GP 99% 股权,合计持股约 67.42%,控制权未因千亿资本入场而稀释。

IT之家 · IT业界研判评分 88

美 SEC 调查英伟达会计问题 市值单日蒸发 4910 亿美元

据 FT 报道,美国证券监管机构正对英伟达展开调查,除审查其信息披露是否误导投资者外,执法部门现已将会计处理纳入调查范围。消息引发股价单日下跌 14%,市值蒸发约 4910 亿美元。

争议焦点之一是英伟达在 2025 年 6 月将 Megaspeed 列入黑名单后不久,把收入统计口径从开票地改为客户总部所在地,导致原本计入新加坡的约 102 亿美元收入大部分被重分类至美国。

2025 年 7 月季度英伟达在新加坡开票 102 亿美元,占营收 22%,两年前仅 8%。收入口径改为按客户总部统计后,大部分新加坡开票收入被重分类至美国,Megaspeed 收入归属始终未披露。

Rohan Paul (@rohanpaul_ai)研判评分 88

AI 自主设计出全新指令集 CPU 能效提升 4.59 倍

Architect Labs 发布 Frostbite,一款由 AI 系统从零设计、实现并验证的通用 CPU 及其全新指令集。该架构基于交互网(interaction nets)的局部性与显式依赖特性。

在 25 个含 15 个最终才揭晓的留出工作负载上,Frostbite 相较现代已流片的超标量 CPU 实现 4.59 倍每瓦性能提升。

团队计划开源 Frostbite 的 RTL 与 ISA,标志着 AI 从实现既有架构迈向软硬件协同设计的新阶段,为外部复现与扩展设计空间提供基础。

Hacker News AI研判评分 88
04

开发者工具与实战应用

精选 4 篇

提升工程效率的最新工具链、SDK 与落地实践。

PHP 高危漏洞潜伏近 20 年 大写 S 可绕过 TLS 加密

PHP 项目团队发布 8.5.13 等安全更新,修复编号 CVE-2026-128064 的高危漏洞(CVSS 8.2)。该漏洞源于流包装器对 URL Scheme 大小写处理不一致,HTTPS://、httpS:// 等写法会被降级为明文传输。

这会导致凭据、Cookie 与 POST 数据泄露,代码问题可追溯至 PHP 4.3.0,潜伏近 20 年。漏洞不仅影响直接传入的 URL,自动跟随 HTTP 重定向同样可能触发。

修复版本为 8.2.36、8.3.37、8.4.28、8.5.13 与 8.6.0,PHP 8.1 及更早分支已停止上游维护不再修复。临时缓解措施为在调用流函数前将协议名统一转小写,并规范化重定向目标。

IT之家 · IT业界研判评分 78

Parallel Search 登顶搜索指数 单次任务仅 0.014 美元

Artificial Analysis 用 Stirrup 智能体框架对 Parallel Search API 的 fast 与 advanced 两种模式进行了 1700 项搜索任务评测,advanced 模式以 83 分与 Keenable Search (pro) 并列榜首,fast 模式以 82 分位列第四。

相比 8 月版本,两种模式分别提升 8 分和 9 分,且 fast 模式单次任务成本仅 0.014 美元,在 DeepSearchQA 上两种模式均取得 89 F1。

advanced 模式单次成本为 0.005 美元(每千次 5 美元),并在 AA-Omniscience 上以 74% 居首。

Artificial Analysis (@ArtificialAnlys)研判评分 68

HeyGen 上线 Decision 1 多模态概率判定模型

HeyGen 正式推出 Decision 1 模型,并已在 OpenRouter 平台上线。该模型不生成自然语言文本,而是接收视频、音频、图像与文本的多模态输入,针对每个问题返回校准后的概率值,可直接接入业务代码逻辑。

单次调用最多支持 400 个问题,延迟约 100 毫秒,输入价格在 12 月 1 日前享受五折优惠,Turbo 版本每百万 token 仅 0.042 美元,输出免费。

官方演示中,手势与情绪识别 8 题全对,单次成本约 0.0027 美元。模型通过 AI/ML API 平台分发,与 OpenRouter 形成互补渠道。其输出概率值而非文本的设计,便于开发者直接嵌入风控、身份核验等自动化流程。

OpenRouter (@OpenRouter)2 家信源研判评分 62

本报简讯