搜索
大模型解短题常能给出流畅答案，推理链一长，却可能每一步都看似合理、终点仍然失效。来自弗吉尼亚理工大学、威斯康星大学麦迪逊分校和达特茅斯学院的研究团队在 NeurIPS2026 论文中提出 SAGE：用符号闭包分析（SCA）解释长推理中的探索偏差与累积偏差，再把这一诊断变成训练时的结构引导。
今天上午，OpenAI 把一个尚未发布的内部模型产出的 722 篇数学手稿一次性放上了 GitHub。发布本身的来龙去脉、模型背景和数学界的争议，我们在上一篇报道里已经梳理过。这一篇换个角度，打开仓库，看看清单上到底有哪些成果。
就在刚刚，OpenAI 宣布向 ChatGPT 全体用户推送 GPT-6，同时上线 Intelligent UI（智能界面）。
太炸裂了！
Anthropic发布Claude Haiku 5.5，单价为Haiku 4.5的十分之一，多项跑分显著提升，定位为处理摘要、上下文压缩、数据库查询和分类等任务的高速低成本模型。
谷歌推出Nano Banana 2.1，出图价为Nano Banana 2的一半，支持蒙版局部编辑、最高4K直出和最多14张参考图，并在Arena多图编辑榜排名第4，陆续登陆Gemini App、搜索AI模式、AI Studio等平台。
OpenAI公开了未发布的内部前沿模型产出的722篇数学手稿，归为372个成果族，涉及准黎曼猜想和四维挂谷猜想等，其中235族附有Lean形式化说明，仍待专家审读验证。
作者将手绘视频制作流程整理为handdrawn-explainer Skill并上传至SkillHub，使agent能按主题生成脚本和可视分镜，产出配音与绘画时序对齐的视频，并支持审阅后修改。
OpenAI推出四项更新：Auto-review全面免费，API付费等级由五档简化为三档且Grow门槛由1000美元降至500美元，Meetings插件进入macOS版ChatGPT Beta，Decisions API面向开发者开放公测。
OpenAI启用文本水印，未来几周将为欧盟符合条件的ChatGPT与Codex文本输出加入不可见水印，其textGrain方案由2026年考普斯奖得主苏炜杰等九人合作设计。
Anthropic内部尚未发布的超前代Claude自动生成完整证明代码，并经Lean严格验证，攻克了渗流理论3至10维连续相变猜想这一困扰数学界近70年的概率论“圣杯”难题。
DeepSeek Harness v0.2.1-alpha.1 加入实验性 Claude Code Mods 兼容层，用于验证其扩展能力与“一切皆插件”架构的关系，但目前尚不能保证所有 Mods 无缝运行。
Utopai Studios正以Utopai X和PAI将模型生成、素材管理及专业协作纳入同一电影制作流程，并规划三部2027年院线片，同时拓展DeNA合作与体育IP开发。
陶哲轩在SAIR最新演讲中呼吁AI公司放慢数学解题速度，称AI量产证明却缺乏理解、阐释和传播，将引发“Proof Indigestion”与数据污染风险。
普林斯顿大学陈丹琦团队在arXiv发布约4B参数模型QUEEN，通过门控交叉注意力连接Leela与SmolLM3-3B，并引入四阶段课程和迭代搜索蒸馏，使其棋力接近特级大师且能用自然语言解释着法。
哈尔滨工业大学（深圳）iLearn-Lab与新加坡国立大学LV-Lab提出免训练2-bit KV Cache量化框架QuantWM，改善视频世界模型量化后的时序闪烁与画质，并实现最高6.20倍缓存压缩。
Anthropic强化学习技术负责人Sholto Douglas预测，能力等于甚至超过所有人类的AGI可能在未来几年内出现，2028年AI年度资本开支或达4万亿美元，而研究员Nick Marwell对AI无需人类搭档后的后果表示紧张。
OpenAI在GitHub的openai/math仓库公开722份数学手稿，涉及372个问题家族及Lean形式化证明，并表示多数结果来自未发布的内部模型，部分未形式化结果可能存在问题。
Claude网页端和桌面端新增简体中文、繁体中文界面，但中国大陆及港澳仍不在Anthropic官方支持地区范围内。
Mistral 发布 Mistral Large 4，采用细粒度混合专家结构，总参数1.05T、每次激活49B，支持图文输入和100万上下文，API现已开放，权重计划于10月27日发布。
据彭博社报道，DeepSeek即将敲定至少800亿元人民币的新一轮融资，腾讯和宁德时代承诺出资金额居前，该轮融资拟为2027年初IPO铺路，但最终条款仍未确定。
开源项目mu（μ）在进化酒馆黑客松深圳收官战中夺冠，其将Jev深度融合进Harness，通过35个判定点优化上下文管理与多Agent通信。
英伟达投资的Reflection发布开源模型Beam，采用MoE架构，专注代码、推理和Agent任务，官方称其以GLM-5.2三分之一至四分之一的推理算力取得相当成绩，但原始能力仍落后部分前沿开源模型，计划月底以Apache 2.0放出权重。
A16Z第七版Top 100 消费级 AI 应用与9月底更新的市场状况 II显示，美国消费者虽已广泛尝试AI，但日常使用和付费渗透仍浅，智能降价正放大Agent的Token需求，重度用户与大众之间的AI使用鸿沟扩大，资本也重新流向芯片、能源和数据中心等实体基础设施。
Anthropic部分早期员工因担忧AI失控开始考虑在美国偏远地区买地避难，这群源自湾区AI安全圈的研究者也因风险判断不同而选择留下或离开。
OpenAI开启Codex“疯狂28天”计划，首日宣称将GPT-6 Astra和GPT-6.1 Sol默认推理速度提升约50%至50TPS，但用户实测低于预期，叠加ChatGPT测试广告、欧盟文本隐形水印及订阅调整引发质疑。
清华团队开源以Qwen 3.8-27B为基础模型的VeriLoop E2，通过VGR外部证据门控实现可验证状态提交，并取得黎曼猜想临界线零点比例下界67.350003708785593%的严格有限维证书，但上游形式化桥接尚未完成。
xAI联合创始人Christian Szegedy在《数学何去何从？》中称，AI正解决多个数学猜想和长期悬而未决问题，数学将由少数天才的手艺转向科技行业基础设施，但Wolfram等人认为纯数学不会被AI做完。
Hinton等22位作者在首篇RSI论文中指出，AI全面参与下一代AI研发可能形成递归自我改进并引发智能爆炸，但现阶段证据不足以证明智能爆炸已经发生。
Utopai Studios打造的Utopai X在Artificial Analysis Video Arena盲评中以1150 Elo位列全球第二，其核心竞争力是将模型深度集成PAI制作系统，并通过真实影视项目、专家反馈与系统迭代形成持续进化的数据飞轮。
