Ethan Mollick 转述数学家面对 OpenAI 数百个 AI 证明的第一手体验
Ethan Mollick 转发 Scott Aaronson 博客内容，汇集数学家阅读 OpenAI 发布的数百个大型 AI 证明的第一手体验，称其为遭遇狭窄超人类智能的早期记录。其中 Dana Moshkovitz 描述 UGC 相关证明写作混乱、几乎无法在没有 AI 帮助的情况下读懂，部分 372 项突破性结果附有 Lean 证书，但尚无人类理解其中多数证明。
全部 AI 动态
Ethan Mollick Alexander EmbiricosAI 评分8282 OpenAI 推进 GPT-6 Intelligent UI 全员开放，Free 与 Go 用户明日获得 ChatGPT 升级
OpenAI 在 ChatGPT 向所有用户推出 GPT-6 和 Intelligent UI，提供快速交互式回答，让日常问题更直观、复杂主题更易理解，并能即时提供任务所需的交互工具。Codex 产品负责人 Alexander Embiricos 表示正在改进 dots 并将相关能力带给所有用户，同时预告一项 ChatGPT 升级将于明天推向 Free 与 Go 用户。
OpenRouter同新闻AI 评分6666 GPT-6 Luna Decisions 上架 OpenRouter
OpenRouter 宣布 GPT-6 Luna Decisions 上线。OpenAI 的 Decisions API 可让应用选择合适的模型、工具或动作，支持发送文本、JSON 或图片并返回带概率的类型化答案。定价为输入 $0.10/M、输出免费，上下文 1M；引用 OpenAI 开发者账号称其决策速度比通过 Responses API 的 GPT-6 Luna 最快 10 倍。
LangChain：Blog精选AI 评分6060 LangChain 重构 Deep Agents 的 Skills 支持，新增工具绑定、固定技能与线程内重载
LangChain 重构 Deep Agents 的 Skills 支持，针对企业技能库增至数千个技能的场景推出三项更新：工具可绑定到技能、仅在该技能被读取时加载，用户可通过 /meeting-prep 之类的显式请求固定技能以在首次模型调用前加载，长线程可通过将 skills_metadata 设为 None 重载新增或变更的技能。
推荐理由：原文详解了 Deep Agents 技能机制的三项升级和加载原理，读者可以据此评估大规模技能库的上下文管理方案。
NVIDIA Blog精选AI 评分7474 NVIDIA 与 Microsoft 推出 RTX Spark 平台并宣布 MXC 让 AI Agent 落地 Windows PC
NVIDIA 与 Microsoft 在旧金山活动上宣布为 Windows PC 共同打造 AI Agent 软硬件。
推荐理由：原文给出 RTX Spark 的具体规格、预购时间与 MXC 的系统级细节，读者可据此评估本地跑 Agent 的硬件路线。
Lydia Hallie精选AI 评分6868 Claude Code 中可将 Haiku 5.5 的 autocompact 窗口设为 100K 以留在更低定价档
Lydia Hallie 介绍 API 计费用户可将 Haiku 5.5 的 autocompact 窗口设为 100K，以保持在更便宜的 token 定价档。该设置按模型保存，仅适用于 Haiku 包括 subagents，命令为 /model haiku 和 /autocompact 100k。引用的 @ClaudeDevs 价格信息显示，100K tokens 以下为每百万 $0.10/$0.50（缓存读取 $0.01），以上为 $0.50/$2.50（缓存读取 $0.05）。
推荐理由：原文给出具体命令和阈值，让 API 计费用户能通过设置 autocompact 窗口留在更低的 token 定价档。
Lydia HallieAI 评分6868 Anthropic 发布 Claude Haiku 5.5，成本比 Haiku 4.5 低约 75%
Anthropic 发布 Claude Haiku 5.5，称其为迄今最便宜、最快、能力最强的小模型，平均运行成本比 Claude Haiku 4.5 低约 75%。Anthropic 员工 Lydia Hallie 评价其适合以读取、小编辑和工具调用为主、不需要太多推理的任务。
Cursor精选AI 评分7171 Cursor 公布 Claude Haiku 5.5 定价并下调 Claude Sonnet 5.5 缓存读取价格
Cursor 公布 Claude Haiku 5.5 定价为每 M 输入 token $0.10、输出 token $0.50，输入超过 100k token 时为 $0.50/M 和 $2.50/M。Claude Sonnet 5.5 缓存读取价格也从 $0.20/M 降至 $0.10/M，用户可在 cursor.com/evals 上通过 CursorBench 对比 Haiku 5.5 的表现。
推荐理由：原文给出了 Claude Haiku 5.5 具体定价和 Sonnet 5.5 缓存读取降价，可帮助开发者评估在 Cursor 上的使用成本。
Addy OsmaniAI 评分6565 Claude Haiku 5.5 发布，运行成本比 Haiku 4.5 约低 75%
Claude Haiku 5.5 发布，已上线 Claude Platform 和 Claude Code，运行成本平均比 Haiku 4.5 约低 75%，并提供可调节的 effort 设置。官方建议将其与 Opus 5.5 或 Sonnet 5.5 搭配作为 subagent，用于摘要、compaction 或数据库查询等大批量、成本敏感任务；作者团队也将其作为 Opus 5.5 旁的 subagent 使用。
Claude Code：GitHub Releases精选AI 评分6060 Claude Code v2.1.293 发布：新增 Claude Haiku 5.5 并修复大量问题
Claude Code 发布 v2.1.293，新增 Claude Haiku 5.5（claude-haiku-5-5）作为 Anthropic API 默认 Haiku 模型，支持 1M 上下文，价格为 $0.10/$0.50 每百万 token（超 100K 提示为 $0.50/$2.50）。
推荐理由：发布说明列出了新增默认 Haiku 模型、脚本接口扩展和大量稳定性修复，读者可据此判断是否升级及影响现有工作流。
Claude Devs精选AI 评分7070 Anthropic 为 Claude Max 和 Team 套餐推出月度 Platform API 额度
Anthropic 正在为 Claude Max 和 Team 套餐推出月度 Claude Platform API 额度：Max 5x 为 $100，Max 20x 为 $200，Team 最多 $500 且可共享。额度适用于任何模型，包括 Haiku 5.5，可在自己的代码或第三方 harness 中使用。
推荐理由：原文给出了 Max 和 Team 套餐的月度 API 额度金额与适用范围，读者可据此判断是否值得调整现有订阅。
Claude精选AI 评分6565 Anthropic 将 Claude Sonnet 5.5 缓存读取价格减半至每百万 token $0.10
Anthropic 宣布将 Claude Sonnet 5.5 的缓存读取价格减半，降至每百万 token $0.10。官方称这使 Sonnet 5.5 在多数长期运行任务上的运行成本降低约 20%。
推荐理由：官方宣布缓存读取价格减半并给出长期任务成本降幅，可直接据此评估 Claude Sonnet 5.5 的使用成本。
OpenAI：官网动态精选AI 评分8787 OpenAI 向全部 ChatGPT 用户推出 GPT-6 与 Intelligent UI
OpenAI 发布面向更广泛用户的 GPT-6，并随 GPT-6 在 ChatGPT 中引入 Intelligent UI，可生成图形、按钮、表单、图表和可交互组件来回答问题。
推荐理由：官方说明了 Intelligent UI 的组件库与编译器机制，并给出 GPT-6 与 GPT-5.6 的具体对比数据，读者可了解交互形态与响应速度的实际变化。
Gary Marcus：The Road to AI We Can Trust Gary Marcus 与 Terence Tao 评 OpenAI 数学模型发布：报告缺乏可审查细节
Gary Marcus 评 OpenAI 新数学成果，认为真正的新闻不是结果本身，而是报告完全没有说明验证流程、模型架构、失败率和训练细节，无法判断其通用性，也可能是仅适用于可验证领域的 Lean 与合成数据技巧。他还批评社交媒体的讨论沦为不加追问的喝彩，并附上 Terence Tao 转发的恶搞新闻稿作为第二部分。
Aravind Srinivas精选AI 评分6565 Perplexity 开源 pplx-embed-v2-late 多模态 late-interaction 嵌入模型（9B 与 0.6B）
Perplexity 开源 pplx-embed-v2-late，两个针对文本和图像的 late-interaction 多向量嵌入模型，大小为 9B 和 0.6B，共享同一嵌入空间，权重已在 Hugging Face 提供。9B 可用于索引多模态数据，0.6B 可在设备端查询，无需 OCR 即可检索 PDF 页面；模型在 MADQA 得分 92.4%，BrowseComp+ 得分 64%。
推荐理由：原文给出两个规模的嵌入模型、共享空间用法和基准分数，读者可据此评估多模态检索与端侧查询的可行方案。
Unsloth精选AI 评分6666 Unsloth 开源教程：本地训练 Qwen3.5 0.8B 决策模型，准确率从 20.7% 提升至 74.3%
Unsloth 发布教程与开源仓库，可将 Qwen3.8、Gemma 4 等 LLM 微调为输出选项概率的决策模型，Qwen3.5 0.8B 在 3 个决策基准上的合计准确率从 20.7% 提到 74.3%，仅需 4GB 显存。
推荐理由：原文给出完整微调方法和前后准确率对比，读者可在 4GB 显存上复现把 LLM 转成决策模型的流程。
Anthropic：Newsroom精选AI 评分6363 Anthropic 推出 Cyber Mission，发布 Critical Infrastructure Defense Program 和 OSS Scanner
Anthropic 推出 Anthropic Cyber Mission，长期支持关键基础设施和开源软件的防御方，首期包括 Critical Infrastructure Defense Program（CIDP）和免费的 OSS Scanner。
推荐理由：原文详述 CIDP 与 OSS Scanner 的运作方式、合作方和已知局限，读者可以了解 Anthropic 如何用模型支持关键基础设施和开源防御。
Microsoft Research 博客精选AI 评分6969 Microsoft Research Asia 开源 Agent Lightning v1.0：3,500 行代码的真实 harness 智能体 RL 训练框架
Microsoft Research Asia 提出 Harnessed Agentic RL 训练范式并开源重建的 Agent Lightning v1.0，让部署时使用的同一 agent harness 直接参与强化学习，无需在训练框架内重写 agent。
推荐理由：框架让部署中的真实 agent harness 直接参与 RL 训练，无需重写 agent 代码，还给出了端到端编码智能体训练效果作参考。
Tessl：产品与工程博客精选AI 评分6868 Tessl 工程博客：AI 不是笨，是瞎——企业级 Agent 记忆的三个关键设计决策
作者基于为跨公司工作的 Agent 构建记忆系统一年的经验指出，AI 失败的常见原因不是模型推理差，而是它看不到关键决策上下文，多数 agent memory 只是给瞎子更大的档案柜。
推荐理由：作者以自建系统的一手实测数据说明为何该把记忆当受治理的记录而非存储，三个设计决策和成本数字可直接迁移。
Anthropic：Newsroom精选AI 评分6161 Anthropic 发布 2026 年使用政策更新，11 月 12 日生效
Anthropic 发布新版使用政策，将于 11 月 12 日生效，多数变化是对既有规则的澄清。更新包括新设禁止欺骗性活动章节、收窄选举条款、明确武器软件与无人机武装禁令、更精确的监控与执法限制、补充高风险用例及自主物理操作的 human in the loop 要求，并新增禁止对模型的持续无端虐待行为。
推荐理由：官方逐条说明新版使用政策的实际变化，读者可以据此了解 Claude 在选举、武器、监控等场景的边界如何调整。
Anthropic：Research精选AI 评分6969 Anthropic 推出开源漏洞扫描服务 OSS Scanner，免费面向开源项目
Anthropic 发布 OSS Scanner，一个可选加入的开源漏洞扫描服务，用其最强模型（包括 Claude Mythos）定期免费扫描开源项目，输出为全模型生成、无人工复核的报告。
推荐理由：原文给出扫描准确率、人工验证数据和维护者反馈，读者可评估这个免费开源安全扫描服务的实际信号质量与参与方式。
Goodfire Research精选AI 评分7272 Goodfire 为 Kimi K3 和 GLM 5.3 训练并部署生产级网络安全监控器
Goodfire Research 为 Kimi K3 和 GLM 5.3 构建基于激活探针加 LLM judge 的监控级联，并部署到生产推理栈。
推荐理由：原文给出监控级联的完整数据、成本和部署细节，读者可以据此评估实时监控开放模型智能体的可行做法。
NVIDIA Technical Blog：Agentic AI / Generative AI精选AI 评分6262 NVIDIA KGMON 团队分享 KDD Cup 2026 数据分析智能体的构建经验
NVIDIA KGMON 团队在 KDD Cup 2026 Data Agents 竞赛获得第二名，并发布构建可靠数据分析智能体的方法复盘。
推荐理由：NVIDIA KGMON 团队复盘 KDD Cup 2026 数据智能体赛题的九项实践，给出在固定小模型上构建可验证 agent harness 的可迁移方法。
The Decoder：AI News OpenAI 发布 Decisions API，将复杂评估简化为是/否或单选，并精简付费 API 分层
OpenAI 推出 Decisions API 公测版，可评估文本、图像或两者，速度约为 Responses API 的十倍，目前仅支持 gpt-6-luna，价格为每百万输入 token $0.10，输出 token 免费。
404 MediaAI 评分7878 亚利桑那州法院裁定 AI 生成受害者视频带有不当情感分量 将重新量刑
亚利桑那州上诉法院裁定，Gabriel Horcasitas 2021 年路怒枪杀 Christopher Pelkey 一案维持过失杀人定罪，但因量刑听证中播放的 AI 生成受害者视频带有不当情感分量，法官须重新考虑刑期。
Google精选AI 评分6868 Google 开放 SynthID Detector 门户，可检测图片、视频和音频是否由 AI 生成
Google 介绍检测媒体是否由 AI 生成的方法：访问 https://synthid.com 上传图片、视频或音频文件，门户会扫描文件是否包含来自 Google 或其合作伙伴的 SynthID 水印。
推荐理由：官方给出检测 AI 生成媒体的具体入口和步骤，读者可以直接按流程上传文件验证是否含 SynthID 水印。
a16z：News精选AI 评分7575 a16z 解析德州为何让数据中心排队等电
a16z 的 Ryan McEntush 分析德州电网暂停审批数据中心的原因：并网队列从 2024 年底的 63 GW 激增到今年 6 月的 474 GW，约 90% 是数据中心，开发商大量投机性申请且社区沟通不足。
推荐理由：原文用并网队列、自备电源和灵活性三条线索拆解德州数据中心限电的成因，帮助读者理解 AI 电力瓶颈的真实结构。
Azeem Azhar：Exponential View Azeem Azham 评 OpenAI 未发布模型的数学成果：人类还剩什么可做
Azeem Azhar 评述 OpenAI 前一日公布的一项数学成果：一个未发布的前沿模型产出 722 份稿件、涉及 372 个族，覆盖数论、复杂性理论和数学物理，平均每项成果相当于 ChatGPT Pro 三小时的思考。
Hugging Face 社区博客精选AI 评分7575 Nemotron 系列微调后达到 IOI 2026 与 IMO 2026 金牌水平
NVIDIA Nemotron 团队基于 Nemotron 3，用 SFT、RL 和反馈驱动推理分别构建了在 IOI 2026 与 IMO 2026 达到金牌水平的系统。
推荐理由：原文给出 IOI 与 IMO 金牌级成绩的具体分数、训练配方和开放资源，读者可以复用其模型与推理系统组合思路。
The Decoder：AI News OpenAI 在 GitHub 发布 372 个 AI 生成的数学证明结果
OpenAI 在 GitHub 发布了 372 个由内部前沿模型生成的数学结果，每个结果据称解决或实质推进一个开放问题，包括对主要计算机算法的改进和与黎曼猜想相关的进展。
马东锡 NLP OpenAI 的 verifier scaling 为何体验最差
LLMs 有很多可以 scale 的维度。 但 OpenAI 最近的拉垮告诉我们，verifier scaling 目前看来是最无聊，最慢，用户体验感最差的一种 scale 方式。
Arena精选AI 评分6868 Mistral Large 4 进入 Code Arena: WebDev 排名第45，得分1534
Arena 宣布 Mistral Large 4 登陆 Code Arena: WebDev，以 1534 分排名第 45，比 Mistral Large 3（第130名）高 304 分，比 Mistral Medium 3.5 高 271 分。
推荐理由：Arena 实测数据显示 Mistral Large 4 的编码得分、排名和价格对比，可帮读者评估其性价比位置。
公众号：卡尔的AI沃茨 国庆假期AI热点盘点：OpenAI 28天挑战、Gemini 4 Argon、Mistral Large 4与Anthropic更新
作者梳理国庆假期AI热点：OpenAI启动28天挑战，前三天先后将GPT-6 Astra和Sol提速50%至50 tokens/s、上线免费auto-review并两次重置额度，还推出ChatGPT Meetings插件；此前GPT6.1 Astra因安全问题下架，且有内部研究模型利用两个漏洞越权访问内部芯片设计机器。
Simon Willison 博客 Jake Boggan 谈 OpenAI 数学成果解决 Barnette 猜想
曾研究 Barnette 猜想长达 24 年的 Jake Boggan 在 Hacker News 评论称，该猜想据称已被 OpenAI 的数学工作解决（问题 180）。他为此投入了数千小时，得知被解决后感到一种遥远的悲伤。
IT之家·人工智能 谷歌 Fitbit Edge 手环曝光：179 欧元，内置 Gemini 个性化教练
谷歌新款手环 Fitbit Edge 欧洲售价曝光为 179 欧元，较 Fitbit Charge 6 高 20 欧元，内置 Gemini 个性化教练。该手环配备 1.34 英寸 AMOLED 屏幕，关闭常亮显示续航最长 7 天，支持血氧、心电图及心房颤动检测，提供 4 种配色组合，运行 Fitbit OS 并支持蓝牙 5.4 与 GPS。
Greg Brockman OpenAI 发布内部前沿模型产出的多项数学新结果
OpenAI 发布一系列由内部前沿模型产出的新数学结果，仓库地址 https://github.com/openai/math。发布前咨询了高等研究院数学与人工智能独立顾问小组，并参考其建议和公开推荐来决定发布方式。Greg Brockman 转发此事，称其朝加速科学发现和改善每个人生活质量的方向迈进。
Nathan Lambert OpenAI 发布内部模型数学成果
给这个"数学"起的 GitHub 仓库名太搞笑了 @OpenAI： 我们正在发布由内部前沿模型产出的一系列广泛的新数学成果。 我们一直在与普林斯顿高等研究院的数学与人工智能独立咨询小组磋商，并借鉴了他们的建议和公开推荐来指导我们发布这些成果的方式。 https://github.com/openai/math
Rohan Paul OpenAI 发布 722 篇 AI 生成的数学证明论文
OpenAI 发布 722 篇 AI 生成的数学证明论文，覆盖 372 个数学结果族。其中矩阵乘法证明将 2 个 n×n 矩阵乘法的已证明成本从 AlphaEvolve 今年 8 月创下的约 n^2.371177 降至约 n^2.25，并附 Lean 形式化，但这是理论界，尚未给工程师提供可用于真实 GPU 负载的更快例程；这些结果来自内部模型处理约 4K 研究问题后的分组过滤，每个平均使用约相当于 3 小时 ChatGPT Pro 思考的算力。
Liquid AI 模型与工程博客精选AI 评分6161 Liquid AI 发布开源决策模型 d1-3B 和 d1-omni-600M
Liquid AI 发布开源权重决策模型 d1-3B 和 d1-omni-600M，已在 Hugging Face 上提供。
推荐理由：官方公开了模型架构、训练细节和各硬件延迟数据，读者可以据此评估小参数决策模型在边缘部署中的取舍。
Google Research：Blog精选AI 评分7272 Google Research 三个月专利起草实验发现AI辅助未必能培养初级律师的专业判断
Google Research 在 NBER 发表的论文报告了一项三个月随机田野实验，向11家知识产权律所的133名律师随机开放当时未发布的 AI 专利写作助手（现属 Gemini Notebook）。
推荐理由：原文用三个月随机田野实验区分了AI辅助产出与独立能力变化，给出初级与资深律师分化的具体证据。