AI 全网热点榜

NO.01爆
平稳

Lean 社区启动黎曼猜想形式化证明独立验证

Anthropic 数学家 Levent Alpöge 宣称与 Claude 合作给出了黎曼猜想的 Lean 形式化证明,并公开了约 1700 万行代码。该猜想自 1859 年悬置至今,属千禧年大奖难题。消息在 Lean 社区引发数学家密集核验,同时斯坦福研究者 Alessandro Masullo 也声称独立完成证明,真伪尚待同行评审确认。 据披露,Claude 在证明后期贡献了关键思路,包括连续 Theta Lifts 和核心参数,整个论证在约六周内完成形式化。陶哲轩指出,该证明疑似依赖朗兰兹纲领与算术几何的现代成果,验证需数学界投入时间。初步检查确认形式化命题为广义黎曼猜想,但 Lean 内核可靠性仍存理论风险。MIT 的 Andrew Sutherland 使用 Claude Code 进行了独立验证,175,187 个模块全部编译通过,五个核心定理仅依赖三条标准公理,两个独立内核 nanoda 与 con-leche 均接受完整导出证明。 若该证明最终通过同行评审,将是 AI 辅助数学研究的里程碑事件,不仅支撑数百个依赖黎曼猜想的数学结论,也凸显 AI 在顶级数学研究中的实际参与度,并推动“AI 成果如何被可信验证”的机制建设。

最新进展:Lean 社区正对 Alpöge 的证明展开密集核验,MIT 的 Andrew Sutherland 已用 Claude Code 完成独立验证,175,187 个模块全部编译通过,两个独立内核均接受证明。同时,斯坦福研究者发布人类独立证明,形成竞争性格局。最终结论仍待同行评审。
24h 热度走向101
24h 前此刻
11 信源深度追踪
查看事件脉络→
NO.02爆
平稳

Thinking Machines 开源 26B 循环模型 Inkling 2 Mini

Thinking Machines Lab 以 Apache 2.0 许可开源了多模态混合专家模型 Inkling 2 Mini,总参数 26B,采用循环 Transformer 架构,中间 12 层共享权重重复执行三次,单 token 等效经过 48 层计算,从而在不增加输出 token 的情况下延长内部推理。模型支持文本与图像输入及 100 万 token 上下文,检查点仅约 20GB,可在 32GB Mac 或 DGX Spark 上本地运行。 各信源在架构细节上高度一致:循环层每轮保留独立 KV 缓存并读取上一轮门控消息,激活参数约 3.4B 至 5.4B(不同统计口径),每 token 仅使用约 3.1B 唯一权重。性能方面,其在 100B 以下开源模型中智能体编程测试领先,DeepSWE v1.1 得分 48.2%,SWE-bench Verified 达 79.2%,AA Index 得分 20.1,与 Qwen3.8 27B 持平但激活参数少 5 至 6 倍,推理成本约为其六分之一。不过,模型在知识召回上存在明显取舍,非幻觉率仅 63.4%。vLLM 在 Blackwell、Hopper 与 DGX Spark 上实现发布当日支持,并内置 DSpark 推测解码加速。 Inkling 2 Mini 的发布标志着循环架构在开源模型中的一次重要落地,以极低的激活参数实现了与更大模型相当的智能水平,大幅降低了本地部署门槛。其突出的智能体编程能力与长上下文支持,为个人设备上的长程任务自动化提供了新可能,有望推动本地优先的 AI 应用生态发展。

9 信源报道
96
NO.03新
回落

Anthropic 登陆纳斯达克 募资 935 亿美元刷新纪录

Anthropic 于本周四正式在纳斯达克挂牌上市,以每股 83 美元的发行价募资约 935 亿美元,超越 SpaceX 保持的 862.5 亿美元纪录,成为史上最大 IPO。其开盘价飙升至 111.50 美元,较发行价高开 33%,完全稀释估值一度突破 1.5 万亿美元。 此次 IPO 获得约 6 倍超额认购,散户配售比例提升至 20%。除公开发行 8.25 亿股外,谷歌、英伟达、微软、AMD、博通、美光、台积电等七家巨头还以同价参与 260 亿美元的私募配售,其中英伟达认购 100 亿美元。公司年化收入已从 9 月的 710 亿美元增至 10 月底的 810 亿美元,支撑强劲需求。CEO Dario Amodei 表示,上市核心目的是囤积现金以支撑总额 9000 亿美元的算力基础设施投入,包括与 SpaceX 每月最高 31 亿美元的数据中心协议。 Anthropic 的上市标志着头部大模型公司首次进入公开资本市场,为 AI 行业估值与商业化能力提供了关键定价锚点。其约 2200 亿美元的现金储备将加剧与 OpenAI 等对手的算力军备竞赛,同时也让资本市场对 AI 泡沫的争论更趋白热化。

7 信源报道
48
核心突破与开源热点 (NO.04 - 10)
  1. 04

    OpenAI 强化推理防泄露 攻击成功率降至 0.2%

    OpenAI 首次系统披露针对对抗性蒸馏的多层防御体系,核心指标大幅改善:从历史请求中提取受保护推理内容的攻击成功率由 54.0% 降至 0.2%,针对活跃请求的攻击成功率由 22.9% 降至 0.9%。该防御覆盖 GPT-6.2 Astra 与 Sol 等前沿模型,部分改进将回补至前代 GPT-6 Astra。 防御体系由三层构成:单请求层面的对抗性训练、输入输出分类器与 API 级推理内容隔离;跨会话与跨组织的推理复用限制;以及针对协同攻击的批量账号封禁。OpenAI 每周对数千至数万个未授权蒸馏账号采取执法行动,并与其他厂商共享攻击指标。官方博客特别指出,在 SWE-bench Verified 与前沿网络安全任务上,完整推理记录比摘要更具蒸馏价值,因此防御必须覆盖推理链输出。 这一披露对行业具有双重意义:一方面,对抗蒸馏可让攻击者复刻前沿能力并剥离安全护栏,形成实质滥用风险,OpenAI 的防御框架提供了可复用的跨行业经验;另一方面,Arena.ai 同期更新的对齐指数显示 OpenAI 包揽前七名,Claude Fable 5.2 首发第八,Kimi K3.1 Pro 为最强开源模型(第九),表明安全与对齐正成为模型竞争力的关键维度。

    5 信源45
  2. 05

    OpenAI 发布 GPT-6.2 Astra 与 Sol 提示词模板

    OpenAI 正式发布 GPT-6.2 Astra 与 Sol 的系统提示词模板,旨在纠正模型默认回答过短、频繁反问打断流程等行为问题。模板覆盖写作风格、主动性与编码三类规范,其中编码模板明确要求复用既有代码、避免无谓抽象,并仅在明确要求或出现特定错误时新增测试。 与此同时,API 侧同步发生重要变化:编辑对话历史会丢弃此前的推理步骤,影响 token 成本与回答质量;temperature 与 top_p 等参数已被移除。另据 Arena.ai 的 Agent Arena Index 评测,GPT-6.2 Astra 编程得分从 1,288 升至 1,338,排名由第 8 跃升至第 3;但聊天得分从 1,265 降至 1,211,排名由第 8 跌至第 11,两项变化在总分上几乎相互抵消,综合排名仅比 GPT-6 Astra 高一位。 此次发布反映出 OpenAI 在提升模型编程能力的同时,正通过提示词模板引导用户规范使用,以弥补聊天体验的短板。API 参数的移除与推理步骤的丢弃可能影响开发者成本与输出稳定性,而编程能力的显著跃升则可能吸引更多代码生成场景的采用。整体来看,GPT-6.2 Astra 在专业任务与通用对话之间的能力分化,或将成为后续迭代的重点方向。

    2 信源36
  3. 06

    腾讯元宝联合 KCL 发布群聊 Agent 记忆基准

    腾讯元宝与伦敦国王学院 NLP 团队联合发布 GroupAssistBench,这是首个针对群聊场景的 Agent 记忆能力评测基准。该基准基于 50 个真实群聊的 80,299 条历史消息,构建了 2,395 道评测题,覆盖单条记忆、多记忆整合与更新冲突三类结构,并首次将记忆能力拆分为 L1 事实召回与 L2 开放式服务两个层级。 实验对比 14 组配置后发现,记忆召回更强并不等于服务能力更强。例如,EverMemOS 在 L1 得分 0.621,高于完整上下文的 0.570,但在 L2 仅得 0.247,远低于后者的 0.431。这表明检索增强与外部记忆方案在开放式服务任务上普遍落后于完整上下文,为 Agent 记忆系统的设计提供了重要警示。 该基准的论文、代码与数据集均已公开,有望推动群聊 Agent 记忆研究的标准化与可复现性。随着 AI 助手日益融入群聊协作场景,如何平衡记忆召回与服务能力将成为开发者关注的核心问题,此项工作为后续优化指明了方向。

    2 信源24
  4. 07

    GPT-6.2 Astra 具身任务成功率翻倍至 41.2%

    GPT-6.2 Astra 在机器人操作基准测试中实现重大突破,综合成功率从两个月前 GPT-6 Astra 的 19.6% 提升至 41.2%,翻倍有余。在 XDOF 的 Ember-0 双臂机器人基准的 16 项任务中,提升覆盖整套任务而非单点突破,其中给绳子打结、展开 T 恤两项柔性物体任务首次被模型攻克,此前 143 次 T 恤测试无一成功。 交叉验证显示,GPT-6.2 Astra 不仅在成功率上大幅领先,动作规划效率也显著优化。Artificial Analysis 的 AA-Robotics v0.1 基准中,它在六项任务中仅发出 668 条指令,为 11 个参评模型中最少,却取得最高分;清理箱子任务仅用 92 条机械臂指令,比 Claude Fable 5.2 少约 75%。XDOF 的评测以六台 YAM 工作站并行、每任务重复 30 次并人工标注失误,标准严苛,结果可靠。 这一进展标志着具身智能从单点演示迈向通用任务能力,柔性物体操作曾是机器人领域的难点,此次突破将加速机器人在家庭、工业等场景的落地。同时,动作效率的提升降低了部署成本,为大规模应用铺平道路。XDOF 表示该基准或不久后被模型能力饱和,暗示技术迭代速度远超预期。

    2 信源24
  5. 08

    英伟达市值蒸发 2.73 万亿美元 纳斯达克创疫情后最差单周

    英伟达股价周五再跌 14%,较 10 月高点累计回撤约 47%,市值蒸发超 2.73 万亿美元,规模超过整个亚马逊。抛售由黄仁勋因丑闻辞职引发的人事震荡直接触发,叠加市场对 AI 高估值与巨额资本开支回报的怀疑,纳斯达克单周下跌 10%,创 2020 年 3 月以来最差表现。

    3 信源23
  6. 09

    OpenAI 发布药物化学基准 MedChemBench 揭示模型决策短板

    OpenAI 正式发布药物化学基准 MedChemBench,旨在评估 AI 模型在真实药物发现任务中的推理能力。该基准包含 99 道题目,源自 117 篇论文与专利,覆盖 761 个分级分子结构,并在真实决策点截断、隐藏后续实验结果,要求模型基于生物靶点、已合成化合物与部分测定结果做出判断。 测试结果显示,最强模型 GPT-6.2 Astra 在 xhigh 推理档下总体得分约 84.5%,分子结构重建分项高达 95.4%,但在关键决策(如化合物筛选与数值性质预测)上正确率仅约五成。相比之下,GPT-5.6 Sol 仅得 58.2%,模型间差距明显。OpenAI 强调,该结果不能证明模型能发现新药,仅用于定位能力边界与短板。 MedChemBench 的推出为药物化学领域的 AI 应用提供了可量化的评估工具,揭示了前沿模型在结构解读与真实决策之间的显著落差。这有助于引导后续模型迭代聚焦于提升因果推理与实验证据整合能力,对 AI 辅助药物发现赛道具有风向标意义。

    3 信源22
  7. 10

    谷歌发布 Gemini 4 Neon 登顶 Agent Arena 第二

    谷歌 DeepMind 正式发布 Gemini 4 Neon,这是七周内第四款 Gemini 4 系列模型,定位为兼顾前沿智能与端到端快速任务完成的中端模型。其在 Agent Arena 智能体竞技场以 1336 分位列总榜第二,创下谷歌在该榜单的最佳成绩,单任务中位成本仅 2.82 美元,比榜首 Claude Fable 5.2 低 69%,性价比优势显著。 技术层面,Neon 支持 100 万 token 上下文与四档推理级别,在 Artificial Analysis 编程智能体指数以 58.6 分超越 Claude Opus 5.5 位列第一,智能指数以 61 分排名第三。模型速度约 110 tokens/秒,是前代 Carbon 的两倍,且基础定价更低。在 Antigravity 开发环境中,Neon 可调度多个子智能体并行执行长任务,接入后 SWE-sweep 得分从 12.8% 跃升至 39.0%。安全方面,模型卡称其在 Gray-Swan 基准上 100% 阻断间接提示注入攻击。 Neon 的发布标志着谷歌模型迭代节奏近乎指数级加快,发布间隔从 28 天缩短至 6 天,同时产品线快速收敛,Argon 退役、旧版 Pro 与 Flash 下线。凭借速度、成本与可操控性的平衡,Neon 直接对标 Anthropic 的 Opus 与 Fable 系列,加剧了中端智能体市场的竞争,也为开发者提供了高性价比的前沿智能选择。

    2 信源22
热度指数是如何计算与排序的?了解算法

热度指数综合考量了参与讨论该事件的独立权威信源数量、官方发布节点级别、报道时间密度以及基于 24 小时的半衰期衰减模型。它衡量全网关注度与技术反响的激烈程度,而非单一作者的主观态度。

榜单滚动监听最近 48 小时内的有效线索,自动过滤重复洗稿,当同一事件在基座实验室、开源社群和海外一线媒体中形成共振讨论时,热度将迅速攀升。