OpenAI 在 GitHub 发布 372 项 AI 生成的数学证明
OpenAI 在 GitHub 仓库发布了内部前沿模型生成的 372 项数学结果，每项据称解决或显著推进了一个开放问题，其中包含对主要计算机算法的改进以及与黎曼猜想相关的进展。
推荐理由：OpenAI 把 372 项 AI 生成的数学结果直接发到 GitHub 而非期刊，读者可据此观察学术评审流程与 AI 产出速度之间的张力。
全部动态 · 今日8条
#推理
信源抓到、进了内容池的全部内容，按时间排列；精选只是其中一部分。
The Decoder精选80 量子位22 这年头还有说人话的AI吗？Claude、GPT思维链被曝为省Token改说"穴居语"
量子位文章吐槽Claude、GPT等模型在Coding场景下表达严重黑话化，如"账本15/15全绿""单腿哑火"，网友分析主因是CoT为省Token被压缩成"穴居语"，Token消耗量比白话文少70%。文章称Opus 5.5语言能力回升，而Gemini被赞为少数仍说人话的模型，GitHub上教AI说黑话的CaveMan Skill已获104K星星。
Latent Space精选88 OpenAI 内部模型发布 722 篇数学论文，宣称解决 500 个公开数学难题中的 90 个
OpenAI 通过博客、GitHub 仓库和推文发布了一批来自未公开内部前沿模型的数学成果，共 722 篇手稿、归入 372 个相关结果族，源自约 4000 个研究问题的评估，平均每个结果消耗约 3 小时 ChatGPT Pro 推理算力。
推荐理由：OpenAI 用内部模型批量产出数学结果，读者可据此了解这批成果的规模、算力成本与外界质疑。
量子位精选85 OpenAI 公开 722 篇数学手稿，涉及黎曼猜想、霍奇猜想与 BSD 猜想
OpenAI 公开了 722 篇数学手稿，归为 372 组结果，全部出自一个尚未发布的内部模型，论文、源码和部分 Lean 证明已上传 GitHub。内容涉及准黎曼猜想、霍奇猜想、BSD 猜想、π 的无理性指数等，横跨 17 个方向，OpenAI 称模型共尝试约 4000 个研究问题，平均每项结果算力约相当于 ChatGPT Pro 思考 3 小时。
推荐理由：OpenAI 一次性公开 722 篇数学手稿，覆盖多道千禧难题方向，同时呈现数学界对核验与阅读负担的质疑。
Greg Brockman · X精选70 OpenAI 发布内部前沿模型产出的一批数学结果
OpenAI 发布了一批由内部前沿模型产出的新数学结果，相关代码与结果已放在 github.com/openai/math。OpenAI 表示在发布方式上咨询了普林斯顿高等研究院数学与人工智能独立顾问组，并参考了其建议与公开推荐。Greg Brockman 转发该消息，称其指向加速科学发现并改善所有人的生活质量。
推荐理由：OpenAI 公开一批由内部前沿模型产出的数学结果，并说明发布方式参考了外部顾问组的建议。
Kevin Weil · X50 Kevin Weil 称赞 OpenAI 今日发布的数学成果，并展望物理科学领域的进展
Kevin Weil 庆祝 OpenAI 今日发布数学成果，并表示，要让物理科学领域的模型达到同等水平，还有很多工作要做。 他呼吁人们想象各种可能性，并表示相信模型终将达到这一水平。 在引述的帖子中，@willdepue 说，他让 GPT 6 Pro 和 Fable 5.1 按人类或 AI 的来源对过去三年的发现进行排序，并报告称其中 81% 是今日发布的。
OpenAI News精选62 OpenAI 公布内部前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并同步放出 Lean 证明形式化，可看模型推理与形式化验证的结合方式。
OpenAI · X62 OpenAI 发布内部前沿模型产出的数学结果
OpenAI 发布一批由内部前沿模型产出的数学结果，相关代码与内容托管在 github.com/openai/math。OpenAI 表示在发布过程中咨询了普林斯顿高等研究院数学与人工智能独立顾问组，并参考其建议和公开推荐来确定发布方式。
Simon Willison69 Mistral 发布 Mistral Large 4 预览版 Le chonk
Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自有 3800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过其 API 提供。
Arthur Mensch · X精选72 Mistral 宣布推出 Mistral Large 4，拥有 1T 参数并原生支持多模态
Mistral AI 宣布推出 Mistral Large 4（又名 Le Chonk），拥有 1T 参数，其中 49B 为活跃参数，并原生支持多模态。该模型今日起可通过 API 使用，开放权重版本计划于 10 月底发布。Mistral AI 称，在综合基准测试中，该模型领先于来自美国或欧洲的开放权重模型，并在视觉定位方面超越闭源前沿模型。 Arthur Mensch 补充说，该模型的研发建立在前期基础工作之上，使用他们自己的算力进行训练和部署，而且强化学习（RL）尚未显现出饱和迹象。
推荐理由：API 今日开放使用、开放权重版本计划于 10 月底发布，这为团队通过托管基础设施或模型权重访问该模型提供了不同的时间安排。
The Decoder72 Reflection 发布开源权重模型 Beam，主打低算力成本
AI 公司 Reflection 发布首个免费开放的模型 Beam，面向编码、逻辑推理和智能体任务，采用 MoE 架构，每 token 激活 5010 亿总参数中的 230 亿。
TechCrunch · AI72 Reflection 发布开源权重模型 Beam，对标中国开源模型
Reflection AI 正式发布其首个前沿开源权重模型 Beam，称在高级推理基准上性能与中国领先开源模型相当，且推理计算量少 3-4 倍。Beam 是 5010 亿参数、230 亿激活参数的 MoE 文本模型，预训练使用 23.8 万亿 token，上下文窗口 100 万 token；公司称其得分与 Z.ai 的 GLM-5.2 持平，并超过当前西方领先开源模型。
Simon Willison22 Qwen3.8 27B 用英文单词做加法的基准测试
一项基准测试用 5,070 个禁用推理的案例，检验本地 Qwen3.8-27B-Q4_K_M.gguf 能否只用英文单词完成正整数加法并给出精确结果，其数字准确率为 23.57%，格式合规率 96.17%。准确率随位数增加从一至三位数的 97.04% 降至十至十三位数的 6.44%；在 169 个启用中等推理的配对案例中，模型答对 167 个。
The Verge · AI22 我们的头脑并非为应对 AI 而生
神经科学家 Paul Cisek 提出，大脑不是信息处理器，而是反馈控制系统：以棒球外野手接高飞球为例，人靠"让球保持在视野同一位置"的简单启发式行动，而非计算弹道。文章据此认为 AI 更像"认知版热狗"，即时诱人却损害人类数千年演化出的认知系统。
量子位62 TypeSafe 创始人 Diogo Almeida 访谈：Jev 估值 100 亿美元，公开 benchmark 极易被操纵
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中表示，Jev 上线不到一周日处理量已突破一万亿 token，夜间流量持续走高，说明大量调用来自机器自动化。
AI at Meta · X精选66 Meta 发布六篇数学家与 Muse Spark 协作论文
Meta 表示，在 AI 模型于数学、物理、化学五项竞赛取得金牌级表现后，其让数学家通过 meta.ai 聊天界面与 Muse Spark 1.1 和 1.2 的 Thinking Mode 协作，在无定制研究脚手架的情况下求解尚无现成路径的开放问题。
推荐理由：Meta 公开六篇由数学家与 Muse Spark 协作完成的开放问题论文，并说明人机分工与评审流程。
OpenAI News50 GPT-6 系列模型选型指南
OpenAI 发布 GPT-6 系列模型指南，面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备工作流。
MIT Technology Review · AI38 别被 LLM 骗了：大语言模型并不会真正推理
前 Google DeepMind 研究员指出，LLM 的思维链只是同一套 next-token 预测过程的延长迭代，并非 AlphaGo 那种独立推理机制。他认为当前模型存在三大缺陷：没有可检查的持久认知状态、知识与推理在权重中纠缠不清、思维链常是事后编造。为此他主张借鉴 AlphaGo 的游戏树架构，为机器推理建立显式的认知状态。
Latent Space34 MIT 的 Alex Zhang 谈 RLM、GPU kernel 与智能体集群：学术研究应押注工业实验室不会碰的方向
MIT 研究者 Alex Zhang 在 Latent Space 播客中介绍了其提出的 Recursive Language Models（RLM），基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的系统，早于 OpenAI 的 Astra。
NVIDIA Blog精选78 NVIDIA GPU 加速 OpenAI GPT-6 Astra Ultrafast 上线
GPT-6 Astra Ultrafast 已在 OpenAI API 上线，并向符合条件的 ChatGPT Work 和 Codex 用户开放，运行在 NVIDIA Blackwell GPU 上。
推荐理由：原文给出 Astra Ultrafast 相对标准模式的加速倍数与开放入口，读者可据此判断它对编码智能体循环的实际影响。
AWS Machine Learning Blog32 Amazon Payments 如何用 Amazon SageMaker AI 上的上下文多臂老虎机提升获客漏斗转化率
Amazon Payments 在 Amazon SageMaker AI 上用多目标上下文多臂老虎机（LinUCB）为产品获客漏斗做个性化内容选择，七周线上 A/B 测试中，一个人群组的最终漏斗转化率取得高个位数相对提升，另一人群组则未见改善。团队按申请开始、提交、审批三个阶段各跑一个 LinUCB 模型并线性组合其 UCB 分数，以同时优化整条漏斗，并开源了可在合成数据上试用的代码仓库。
Ars Technica · AI62 Ataraxos 以 16 块 GPU 击败史上最强 Stratego 人类选手
卡内基梅隆、MIT、纽约大学和斯坦福的研究团队开发的 AI 系统 Ataraxos 以 15 胜 1 负 4 平击败被视为史上最强的 Stratego 选手 Pim Niemeijer，训练仅用 16 块 GPU、花费几千美元。
量子位精选82 谷歌发布 Gemini 4 Argon，多榜单登顶且成本约为 Astra 一半
谷歌发布新一代旗舰模型 Gemini 4 Argon，在 DeepSWE v1.1 上以 77.9% 超过 Claude Opus 5.5 的 74.2% 和 GPT-6 Astra 的 74.1%，并以 1525 分位居 Text Arena 第一。
推荐理由：谷歌新旗舰在多项榜单登顶并给出成本与百万Token输出上限，读者可据此判断其与GPT、Opus的竞争位置。
量子位62 何恺明团队提出NAT-ARC：用ImageNet预训练让纯视觉方案解ARC
何恺明团队提出NAT-ARC，一套不依赖LLM的纯视觉ARC解题方案，用ImageNet上的MAE预训练encoder再迁移到抽象格子推理。表现最好的单模型为0.6B参数量，在ARC-1上取得63.4% pass@2，集成后达70.2%，约为专用LLM方案The ARChitects（8B模型、71.6%）四分之一的参数量。
The Decoder71 Ataraxos 击败 Stratego 最强人类选手，算力成本仅为 DeepNash 的约五百分之一
研究团队开发的 Ataraxos 在 Stratego 对局中以 85% 的有效胜率击败史上最强选手 Niemeijer，终结了人类在这款不完美信息棋类游戏中的优势。
NVIDIA Blog22 NVIDIA AI 工厂如何实现高产出、长寿命与通用性以最大化投资回报
NVIDIA 提出 AI 工厂投资回报由产出能力、使用寿命和需求三要素决定，其平台通过全栈协同设计实现每兆瓦吞吐最大化。SemiAnalysis AgentX 数据显示，Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上，在 DeepSeek V4 Pro 上每百万 token 成本最多低 45 倍。
The Decoder精选80 OpenAI 称已阻止窃取模型推理的活动，但同一手法在 Azure 上仍然有效
OpenAI 称其阻止了一场窃取模型推理内容的蒸馏活动，该活动 7 月 1 日起量级较低，7 月 24 至 25 日激增至来自 4000 多名用户的 16000 次请求，涉及 15000 多个关联账号，OpenAI 称已于 7 月 28 日前全部关停，并注明这些是尝试性提取、未必成功。
推荐理由：OpenAI 披露一起推理蒸馏窃取事件，并牵出云平台防护不一致的问题，读者可据此了解模型推理泄露的实际路径。
Latent Space精选82 Google DeepMind 发布 Gemini 4 Argon，支持 1M 输出 token
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络安全人员中开放，之后才向开发者、企业和消费者开放。
推荐理由：汇总 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照其与 Astra、Opus 5.5 的实际差距。
The Decoder精选78 Google 发布 Gemini 4 Argon，追平 OpenAI 与 Anthropic 但未取得明显领先
Google 发布新前沿模型 Gemini 4 Argon，在多项基准上追平 OpenAI 与 Anthropic，但未取得明显领先。该模型先向 Fairwind 计划的“可信网络防御者”和 Google 内部团队开放，之后才面向开发者、企业和消费者，API 定价为每百万输入 token 2 美元、输出 token 10 美元（促销价）。
推荐理由：汇总第三方与人类偏好榜单，呈现 Gemini 4 Argon 与 OpenAI、Anthropic 的分数、token 消耗和价格对比。
Google DeepMind精选88 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：Gemini 4 Argon 把输出上限提到 1M token 并给出多项基准与内部落地数据，可据此判断长程工作流的能力边界。
Josh Woodward · X0 中文版本尚未就绪 · 显示原文
Google Announces Gemini 4 Argon
Gemini 4 Argon!
Google AI · X62 Google 发布 Gemini 4 Argon 前沿模型
Google 发布了 Gemini 4 Argon，这是一款新的前沿模型，旨在复杂的长周期工作流程中持续进行深度推理，并在软件工程、法律和金融等企业知识工作以及网络安全防御方面达到前沿性能。Google 正在将该模型的输出 token 上限提升至 100 万。Argon 正向 Fairwind Program 中值得信赖的网络防御人员推出，计划尽快扩大提供范围。
腾讯混元 · X45 腾讯混元、复旦大学和清华大学发布 AI 探索能力基准 ExplorationBench
腾讯混元、复旦大学和清华大学的研究人员发布了 ExplorationBench，这是一项基准测试，通过考察 AI 系统能否发现陌生规则来衡量其探索能力。它使用两个可验证的“异世界”：AlienCode（31 次隐藏规则变更，70 项任务）和 AlienLogic（24 条经过修改的推理规则，70 个定理），并由解释器或证明检查器评分，不使用 LLM 评审。在对 10 个前沿 AI 系统的测试中，反馈优于单纯思考，而且两个异世界之间的排名几乎无法迁移。
Qwen · X52 Qwen3.8-27B 上线 Nebius Token Factory
Qwen3.8-27B 现已通过 Nebius Token Factory 提供，官方称其面向编码、深度研究和智能体工作流，侧重多步骤任务的规划与完成。该模型为 27B 稠密模型，开发者可通过 Nebius Token Factory 的端点接入使用。
雷锋网40 Kimi 和 DeepSeek 为何出现在同一张模型架构图里？
GLM-5.3-Flash 的 45 层架构中，34 层采用 Kimi 路线的 KDA 线性注意力，11 层采用 DeepSeek 路线的 KPool-DSA 稀疏注意力，Linear 与 Sparse 首次被放进同一套模型。这一组合背后是 Attention 架构从寻找单一更优机制，转向让不同机制分工：Linear 低成本维持长历史，Sparse 按需找回具体信息。
雷锋网34 ECCV 2026 演讲：计算机视觉的下一个十年，从「看懂世界」到「教会人类」
得克萨斯大学奥斯汀分校教授 Kristen Grauman 在 ECCV 2026 首场 Keynote 提出，视觉 AI 应从 understanding 走向 enabling，成为帮人学会现实世界技能的 AI Guide。
雷锋网28 从三维视觉到世界模型：空间智能为何成为 AI 走向物理世界的共同主线？| ECCV 2026 复盘
ECCV 2026 共收到 10473 篇投稿、接收 2834 篇，3D 主题从主导方向退居第三，但三维表示、几何与物理一致性等问题正向视频生成、具身智能和世界模型扩散。93 场 Workshop 中约 10 场与 3D 直接相关、11 场涉及空间智能、9 场指向物理 AI、5 场以世界模型为主题，最佳论文与荣誉提名也集中在三维表面表示、物体重建和几何感知上。
雷锋网71 Naive AI 开源 Naive-N0.5-Flash，主打 AI 研发 AI 能力
Naive AI 发布开源模型 Naive-N0.5-Flash，以开源基座为起点，重构注意力架构为每 5 层 SWA 搭配 1 层 DSA 的混合结构，全程保持 1M 上下文，分三阶段累计训练 3.25T tokens。
Sam Altman · X62 6.1 Sol 发布：接近 Astra 的智能水平，价格为其五分之一
Sam Altman 转发介绍 6.1 Sol，称其智能水平接近 Astra，价格仅为 Astra 的五分之一，并提供 95% 的缓存读取折扣。原推还提到 ultrafast 可为 Astra 带来 8 倍速度提升，6.1 Sol 也将支持。
雷锋网52 动易科技刘晨澔：人形机器人羽毛球对拉 40 拍背后的分层革命
动易科技（PHYBOT）刘晨澔在 IROS 2026 workshop 上介绍了其人形机器人羽毛球系统，1.35 米高的机器人可覆盖 4.4×4.4 米场地，单回合连续对拉 40 拍以上。