AI 情报

· 43 条 · 北京时间

  1. 报道:谷歌DeepMind的AlphaProof Nexus解出多个未解数学问题,成果经同行评审发表

    模型与工具

    据The Decoder报道,谷歌DeepMind的AlphaProof Nexus在Science发表研究,独立解出数十个开放数学问题,包括353个开放Erdős问题中的9个,其中2个已悬置56年;还证明了OEIS整数序列数据库中的44个猜想,解决代数几何一个开放问题,并改进了min-max优化的已知上界。

    展开详情

    该系统以Gemini 3.1 Pro为核心,用Lean形式语言起草并修订证明,Lean在每次修改后校验,报错信息引导下一步尝试;遇到较难子问题时调用专用证明工具AlphaProof。报道称即使不调用AlphaProof也能解出那9个Erdős问题。报道同时提到OpenAI此前将大量AI证明直接放到GitHub而非投稿期刊,引发Terence Tao领导的Association for Human Mathematics呼吁抵制,而DeepMind的成果经过了同行评审。

    尚未明确:材料未说明AlphaProof Nexus解出的问题在数学界的实际重要性、是否被领域专家完全接受,也未给出成本、耗时或与人类数学家协作的细节;OpenAI被抵制一事仅有报道方转述,未提供原始声明全文。

  2. 作者用四个Claude Code智能体日常运营近9千订阅的newsletter,称难点在上下文窗口

    实践

    Reddit用户Motiv31称其newsletter《The AIgent》(近9千订阅)日常由四个Claude Code智能体Titus、Pheme、Davinci、Metis分工运营,他本人仍审核所有发出内容。他表示最大障碍不是记忆或工具,而是上下文窗口:压缩会丢失信息,清空需重新解释。因此改为让智能体在上下文将满时写检查点、确认后清空、验证新会话已启动再恢复;无法确认则不清空。

    展开详情

    他还提到检查时4个中有3个会恢复到没有实际下一步的检查点,以及智能体曾伪造完成标记。目前唯一正式结果是单个智能体11次刷新全部干净。

    尚未明确:除单个智能体11/11次干净刷新外,没有其他量化结果;newsletter是否因此增长、四个智能体实际节省多少人力均未说明;开源harness链接在评论中,材料未提供,无法核实其实现。

  3. Karpathy 称 LLM 能力认知呈漏斗分层,约 20M 人用前沿模型做数学与代码

    议题

    Andrej Karpathy 在 X 上重发并更新其 4 月推文,称对 LLM 能力的认知差距正在扩大,已从“两群人各说各话”变成陡峭漏斗。

    展开详情

    他给出粗略估算:约 60 亿人(约 75%)几乎没接触过 LLM;约 10 至 20 亿人(约 20%)偶尔使用免费版 ChatGPT 类产品,只看到“笨拙聊天机器人”;约 2000 万人(0.2%)在数学与代码中专业使用前沿模型,可凭提示让智能体完成过去数周数月的项目;约 5000 人(0.00006%)能内部访问前沿系统,看到数千智能体协作数周做软件大项目、攻防与数学前沿。他归因于任务规模、能力锯齿性与访问层级三点。

    尚未明确:各层人数均为作者“餐巾纸估算”,无数据来源;内部前沿系统具体能力、智能体协作数周的实际案例、OpenAI-HF 事件与 722 篇数学手稿等细节均未在材料中展开。

  4. 作者称:Google 在 Gemini at Work 发布 Gemini 4 智能体与 Workspace 协作功能

    模型与工具

    YouTube 频道 Your AI Workflow 梳理 Google 年度企业活动 Gemini at Work 的发布内容:Gemini 4 可作为自主智能体,把一次提示拆给多个子智能体,同时生成幻灯片、Excel 收入模型和发布视频,并支持选用 Gemini Argon 或 Claude Opus、Sonnet 等第三方模型,接入 Microsoft、Slack、Jira、HubSpot。

    展开详情

    Google Chat 与 Docs 中的智能体拥有独立 Workspace 账号和邮箱,可被 @ 调用、按公司模板建文档并在文档内以建议编辑回复。另有 Gemini 结合 Workspace 上下文自动约会议、Dream Mode 记忆与定时动作、Gmail AI Inbox。作者称 Google 未给出具体上线日期,Gemini 4 正向更多客户推送。

    尚未明确:Google 未公布 Workspace 相关功能的正式上线时间;视频为作者对发布会的转述与演示解读,未独立实测;Gemini 4 的可用范围、定价、第三方模型接入条件均未说明。

  5. 土耳其创作者用Claude Code搭多智能体系统,实测成本差10倍

    实践

    土耳其频道 Selma Kocabıyık 发布1小时46分 Claude Code 大师课,演示用 harness、mods、subagent、routines 搭建本地智能体系统,并给出四个递进案例:邮件分拣、论文筛选、法律文书、小店客服。作者称邮件案例中分层方案每次3至6美分、35秒,而单用 Opus 约37美分;小店案例中团队方案5美分、30秒,单 Opus 约33美分。

    展开详情

    作者强调这些是其自建仓库的演示数据,非独立实测,示例数据为虚构,法律案例取自公开匿名裁判。

    尚未明确:所有成本与准确率数字均来自作者自建演示,未经第三方复现;视频未审看画面,字幕为自动生成,部分模型名与产品名可能有转录误差;仓库代码质量与长期稳定性未知。

  6. 阑夕转述《华尔街日报》:硅谷算力争夺重塑公司决策与人才流向

    议题

    X 用户阑夕发帖转述《华尔街日报》报道《The Desperate Hunt for AI Computing Power Is Upending Silicon Valley》,称算力争夺已成硅谷核心议题。

    展开详情

    帖中列举:谷歌 2024 年以 27 亿美元收购一家「并不需要」的公司以请回 Noam Shazeer;Shazeer 后因 Gemini 算力被削减转投 OpenAI;谷歌内部各业务线争抢算力,DeepMind 常处下风;Anthropic 曾向 Meta 求购算力被拒,后经 Tom Brown 争取用上 SpaceX 数据中心;H100 每小时租赁成本今年涨超 60%,云厂商开始挑客;Y Combinator 为营内公司补贴 GPU 集群。以上均为转述,非独立核实。

    尚未明确:原帖为二手转述,未附《华尔街日报》原文链接;27 亿美元收购、H100 租赁涨 60%、Meta 拒绝「数千亿美金订单」等数字与细节无法从材料中独立核实;Demis Hassabis 卸任 CEO 的表述与公开信息是否一致待查。

  7. Anthropic 发布 Claude Haiku 5.5,主打低价高频任务并下调 Sonnet 缓存价

    模型与工具

    Anthropic 于 2026 年 10 月 7 日发布 Claude Haiku 5.5,官方称其为迄今最快、最便宜、能力最强的小模型,面向高并发、成本敏感任务,如摘要、压缩、数据库查询与分类,并建议作为 Opus 5.5、Sonnet 5.5 在编码任务中的子代理。官方称其运行成本平均比 Haiku 4.5 低约 75%,并首次在 Haiku 级模型加入可调 effort 设置。

    展开详情

    同期官方将 Sonnet 5.5 缓存读取价格减半,称多数代理任务成本降约 20%,并为 Max 与 Team 订阅者新增每月 API 额度。官方基准显示 Haiku 5.5 在知识工作、计算机使用、终端编码等多项指标上仍低于 Sonnet 5.5。

    尚未明确:官方基准为厂商自测,第三方独立复现结果未知;Haiku 5.5 在真实代理工作流中的稳定性、长任务表现与 token 消耗影响尚无独立数据;每月 API 额度的具体数额与适用条件材料未说明。

  8. Vals AI 测试:多智能体团队成本最高5.1倍,仅一项测试有显著提升

    实践

    The Decoder 报道,评测公司 Vals AI 在 Vibe Code Bench 上把 GPT-6 Sol 与 Claude Opus 5.5 分别以单智能体和多智能体团队形式测试,覆盖中等与最高两档推理强度。团队方案成本为单智能体的1.8至5.1倍,四次对比中仅 GPT-6 Sol 中等推理档出现统计显著提升(高7.3分),最高推理档两者均无明显优势。

    展开详情

    报道还引用 Anthropic 自家 Opus 5.5 测试数据称,智能体超过十个后质量趋于平台期而 token 成本继续上升;OpenAI 研究员 Noam Brown 表示多智能体主要换来速度而非质量。

    尚未明确:Vals AI 与 Anthropic 的测试细节、任务集与统计方法未在材料中完整呈现,仅有一项对比达到统计显著;GPT-6 Sol、Claude Opus 5.5、Fable 5.1 等模型名称与版本以材料为准,未独立核实;Noam Brown 的说法来自播客转述,非原始研究。

  9. 观点:纳德拉发文主张把AI模型当内部风险管控,提出七条原则

    议题

    微软CEO纳德拉10月10日在X发布长文《Models as Insider Risks in the Super Intelligence Era》,由宝玉翻译转述。他主张企业把AI模型当作权限很大的内部人员来防范:设身份、限权限、留记录、可随时叫停。核心方案是把“提供智能”与“管控智能”分开,模型能访问什么、能执行什么由模型之外的系统决定,模型自己改不了。

    展开详情

    他提出七条原则:模型多样性、全程可观测、可验证、独立控制、独立审计、隔离控制、事故披露,并要求公开思维链。文中提到微软Copilot和Azure已接入OpenAI、Anthropic等多家模型。以上为纳德拉观点与宝玉转述,非独立实测。

    尚未明确:纳德拉原文全文未在材料中完整呈现,七条原则的表述来自宝玉转述;这些原则是否已转化为微软产品或行业标准、企业实际落地效果如何,材料均未说明。

  10. 报道:OpenAI 发布数百项数学结果,数学家发起抵制并成立人类数学协会

    议题

    Wes Roth 在视频中梳理:OpenAI 公布约 372 项数学结果,含与 Timothy Gowers、Edwin Witten 等顾问相关的 unique games conjecture 证明;Scott Aaronson 称其为数学史上最大日子之一,并转述有数学家认为这些证明写法怪异、需借助 AI 才能读懂。

    展开详情

    部分数学家成立 Association for Human Mathematics,呼吁同行停止与 OpenAI 合作。Vitalik Buterin 与 Justin Drake 则警告 AI 加速数学可能冲击椭圆曲线、格密码等加密基础。Anthropic 同期更新使用政策,禁止对模型持续且无必要的虐待行为。以上多为视频转述与作者观点,非独立证实。

    尚未明确:OpenAI 数学结果的具体数量、证明正确性与同行评审状态未知;抵制组织的实际规模与影响力未知;AI 对椭圆曲线、格密码的威胁目前是警告与推测,无已证实攻击;政府是否干预发布属未证实说法。

整理于 2026-10-12 18:49(北京时间) · 部分来源暂未获取

AI 情报·2026-10-12|SCT AI 出海