ai-powered-markdown-translator本文由 gpt-6.1-sol 从法语翻译为中文。
Anthropic 数学家莱文特·阿尔珀格发布了借助 Claude 得到的黎曼猜想证明,以一个包含 1700 万行代码的 Lean 库呈现,Lean 和 Mathlib 社区于次日便予以认证。alphaXiv 发布 OpenResearch Intelligence Index,Claude Opus 5.5 以 61,8 % 的成绩领跑自主研究评估,DeepSeek V4.1 Flash 则以 27,4 % 的成绩位居开放模型之首,每次尝试成本为 0,72 美元;Meta 将 Digital Brain Project 的目标提高至 25 000 小时,Inkling 2 Mini 加入 Transformers,并在 Mac Studio 上达到每秒 210 tokens。Replit、Devin 和 v0 加强访问、网络与支出控制,Claude Code 2.1.330 则允许计划任务持续运行最长 30 天。
数学:莱文特·阿尔珀格借助 Claude 得到的黎曼猜想证明获 Lean 和 Mathlib 社区认证
11 月 20 日和 21 日 — Anthropic 数学家莱文特·阿尔珀格于 11 月 20 日发布了黎曼猜想的证明,以一个包含 1700 万行代码的 Lean 库呈现,该库唯一的直接依赖是 Lean 的形式化数学库 Mathlib。黎曼猜想由伯恩哈德·黎曼于 1859 年提出,涉及素数的分布。他同时发布了一份说明,在 alphaXiv 上登记的标题为《一项声称证明黎曼猜想的证明》(一项声称证明黎曼猜想的证明)。根据 alphaXiv 的摘要,作者声称借助 Claude 找到了这一证明,还声称证明了广义黎曼猜想,所用方法涉及傅里叶分析、θ 提升(θ 提升),以及与斯捷潘诺夫在函数域上的论证方法的类比;该摘要还指出,证明篇幅很长,作者计划对其进行解释和简化。
11 月 21 日,Lean 和 Mathlib 社区在 Lean FRO 和 Mathlib Initiative 的支持下发表联合声明,认证该命题及其证明。在一天之内,这个库便满足了凯文·巴扎德(帝国理工学院)于 11 月 12 日提出的四项标准:
| 验证标准 | Lean 和 Mathlib 社区进行的检查 |
|---|---|
| 命题表述正确 | Mathlib 中的 RiemannHypothesis 命题,经 Lean 和数论专家复核 |
| 库能够编译 | 数十人复现了相同的原始证明导出文件 |
| 已证明的定理正是该命题 | 从仅导入 Mathlib 的文件出发,使用 comparator 和 con-leche 两个独立工具进行比对 |
| 证明获验证器接受 | 使用 Lean 官方内核、con-leche、con-ron 及多个以其他语言编写的验证器,检查不含可执行内容的证明导出文件 |
We hereby certify that both the statement and the proof of the Riemann Hypothesis are correct.
🇨🇳 我们特此认证,黎曼猜想的命题表述及其证明均正确。 — Lean 和 Mathlib 社区,Lean 社区博客上的声明
Scientific American 报道了独立数学家的确认:安德鲁·萨瑟兰(MIT)独立编译了这一成果,并表示 Lean 内核仅凭三个标准公理便完成了重新验证。Lean 和 Mathlib 的声明既未提及 Claude,也未提及作者声称证明的广义黎曼猜想;关于 Claude 所起作用的信息来自阿尔珀格的说明和 Scientific American。
🔗 莱文特·阿尔珀格在 alphaXiv 上的说明 · Scientific American:独立数学家的确认 · 验证工作的技术综述(MIT)
VIDRAFT 发布韦伊正定性实时仪表,展示命题成立的表现,但不构成证明
11 月 21 日 — 证明发布次日,VIDRAFT 实验室在 Hugging Face 上发布了一个 Space,用于计算韦伊二次型的最小特征值;根据韦伊判据,该二次型的正定性等价于黎曼猜想。对于 ζ 函数和四个狄利克雷 L 函数(导子分别为 3、4、5 和 8),该值为正;对于三个各自仅有一项要素与真正 L 函数不同的仿造函数,该值为负;工具中的十个命题则由 Lean 4 内核验证。博文提醒,确立结论的是形式化证明,这一仪器只是展示结论成立的表现;代码、Lean 文件和仓库均已公开,在免费 CPU 上约三十秒即可复现实验。
🔗 VIDRAFT 在 Hugging Face 上的博文 · 韦伊仪表 Space
评估:alphaXiv 用 OpenResearch Intelligence Index 衡量自主研究能力,人工智能文本检测器在 RAID 上排名上升,却在基准之外表现下滑
11 月 20 日 — alphaXiv 发布 OpenResearch Intelligence Index 的首批结果,这一基准用于衡量模型开展端到端研究的能力。每个模型都在 alphaXiv 的研究环境 OpenResearch 内,使用各自的运行框架(Claude Code、Codex 或 OpenCode),完成三条赛道的任务:科学知识(取自 Terminal-Bench-Science 的 20 项任务)、开展后训练(6 项全新任务),以及文献选择的相关性(PaperFindingBench 的一个子集)。
We created the world’s first open source benchmark for end-to-end autoresearch. Today, its results are live. Which models are best for RSI? Can they understand the literature? Can they conduct complex scientific experiments, while maintaining good taste? We spent about $7.4k in tokens across 8 models, 6 providers, and 3 evaluation tracks to find out.
🇨🇳 我们打造了全球首个用于端到端自主研究的开源基准。结果于今天公布。哪些模型最擅长 RSI?它们能理解科学文献吗?它们能在开展复杂科学实验的同时保持研究品位吗?为弄清这些问题,我们在 8 个模型、6 家提供商和 3 条评估赛道上花费了约 7 400 美元的 tokens 费用。 — @askalphaxiv 在 X 上
| 受评模型 | 使用的运行框架 | 指数得分 | 每次尝试的平均成本 |
|---|---|---|---|
| Claude Opus 5.5 | Claude Code | 0,618 ± 0,014 | 16,46 美元 |
| GPT-6 Astra | Codex | 0,566 ± 0,014 | 22,44 美元 |
| GPT-6.1 Sol | Codex | 0,549 ± 0,024 | 3,83 美元 |
| Gemini 4 Argon | OpenCode | 0,526 ± 0,013 | 9,18 美元 |
| Claude Fable 5.1(87 次尝试中完成 74 次) | Claude Code | 0,511 ± 0,015 | 20,07 美元 |
| DeepSeek V4.1 Flash | OpenCode | 0,274 ± 0,018 | 0,72 美元 |
| Kimi K3 | OpenCode | 0,271 ± 0,010 | 10,89 美元 |
| Qwen3.8-Flash | OpenCode | 0,214 ± 0,015 | 4,54 美元 |
Claude Opus 5.5 以 0,618,即 61,8 % 的成绩领先,每次尝试的平均成本为 16,46 美元。GPT-6 Astra 以 0,566 紧随其后,但成本为 22,44 美元;GPT-6.1 Sol 得分为 0,549,成本为 3,83 美元;Claude Fable 5.1 在 87 次尝试中仅完成 74 次。开放模型仍明显落后:其中排名第一的 DeepSeek V4.1 Flash 得分为 27,4 %,每次尝试成本为 0,72 美元,略高于 Kimi K3(0,271)和 Qwen3.8-Flash(0,214)。仅看文献检索赛道,配备 OpenResearch 搜索工具的 DeepSeek V4.1 Flash 达到 47,7 %,GPT-6 Astra 则为 48,7 %。提供开放模型服务的 Together AI 转发了这一指数;alphaXiv 表示还将公布更多模型的结果和源代码。
🔗 alphaXiv 关于 OpenResearch Intelligence Index 的博文 · @togethercompute 在 X 上:开放模型接受检验
一款人工智能文本检测器在 RAID 上从第 27 名升至第 5 名,但在基准之外的检测效果明显下降
11 月 21 日 — empirischtech 团队在 Hugging Face 社区博客上介绍了其人工智能生成文本检测器的改进过程。该检测器基于 1B 的 Ettin 编码器构建,其生产版本原本在 RAID 的 58 款检测器中排名第 27,针对 RAID 调整后的版本则升至第 5:在误报率为 1 % 时,检出率从 92,81 % 提高至 99,20 %。代价在基准之外显现:在作者的测试集上,微调所基于的通用检测器能检出 97,8 % 的人工智能文本,而针对 RAID 调整后的版本仅能检出 58,7 %;人类文本被误报的比例则从 1,0 % 上升至 2,4 %。因此,针对 RAID 调整后的模型仍定位为研究工具;作者的服务使用的是另一款通用检测器。
🔗 empirischtech 在 Hugging Face 上的博文
人工智能助力科学:Meta 将 Digital Brain Project 的目标提高至 25 000 小时,并介绍 UMA Nitro 和 ATLAS,Diffusers 微调 RFD4-Proteina
11 月 20 日 — Meta 发布开源人工智能科学峰会的总结。这场为期两天的峰会由其 FAIR 实验室于 10 月在门洛帕克举办。最主要的量化公告是:Meta 与罗斯柴尔德医院基金会和蒙特利尔大学共同发起的 Digital Brain Project,将数据目标从 15 000 小时提高至 25 000 小时。该项目资助收集经过匿名化处理并公开共享的脑部数据。
| 峰会上介绍的项目 | 科学领域 | Meta 博文的说明 |
|---|---|---|
| Digital Brain Project | 神经科学 | 脑部数据目标从 15 000 小时提高至 25 000 小时 |
| UMA Nitro | 化学 | 原子模型 UMA(通用原子模型)的更快版本,未公布具体速度数据 |
| UMA Playground | 教育 | 通过 Discovery Education 向中学化学教师提供,该平台覆盖超过 4 百万名教师和 45 百万名学生 |
| ATLAS (FAIR) | 数学 | 开放库,以 Lean 形式化了 26 本开放获取教材,以及超过 45 000 项定义和结果 |
UMA 还在无需额外训练数据的情况下识别出药物分子的多种晶型(与卡内基梅隆大学和加利福尼亚大学河滨分校合作研究),并与芝加哥大学合作,逐原子模拟完整酶。博文最后提到了匹兹堡大学基于 DINOv3 和 SAM 3 构建的辅助机器人系统,其演示将展示机器人帮助人进食。
🔗 开源人工智能科学峰会总结(Meta) · @AIatMeta 在 X 上
Diffusers 新增 NVIDIA 蛋白质设计模型 RFD4-Proteina 的 LoRA 微调示例
11 月 20 日 — Hugging Face 的 Diffusers 库加入了 RFD4-Proteina 的 LoRA 微调示例。RFD4-Proteina 是 NVIDIA 的开放蛋白质设计模型,本站曾于 10 月 21 日介绍。该示例由萨亚克·保罗宣布,对应 kierandidi 提交、于 11 月 19 日合并的 pull request #15155,在去噪器上训练秩为 32 的适配器,将 flow matching 损失应用于蛋白质骨架坐标和局部潜变量,而非像素;据他介绍,其余代码与图像及视频模型的代码相似。
开放模型:Inkling 2 Mini 加入 Transformers v5.24.0,在 Mac 上达到每秒 210 tokens,并推出解除限制版
Thinking Machines 于 11 月 20 日发布的开放权重循环式模型 Inkling 2 Mini(本站昨日已介绍),在发布后的二十四小时内便被集成至 Hugging Face 的主流库、移植到 Mac,并推出了解除限制的版本。
Transformers v5.24.0 集成 Inkling 2 Mini、Meta 的 Omnilingual ASR、NVIDIA 的 Dory 和 Sarvam-105B
11 月 21 日 — Hugging Face 发布 Transformers v5.24.0,新增约十种架构。其中,Inkling 2 Mini 提供循环次数可变的研究检查点,NVIDIA 的循环式模型 Dory 同样支持在推理时调整循环次数。
| 新增模型 | 模型发布方 | 版本详情 |
|---|---|---|
| Inkling 2 Mini | Thinking Machines | 提供循环次数可变的研究检查点 TML-d24-varloop-research |
| Dory | NVIDIA | 循环式模型,推理时可调整循环次数 |
| Omnilingual ASR | Meta FAIR | 支持超过 1 600 种语言的语音识别,规模从 300M 到 7B,采用 CTC 头或 Llama 解码器 |
| Apertus 1.5 和 WavTokenizer | Swiss AI Initiative | 支持文本、图像和音频输入;24 kHz 音频编解码器 |
| HY4-VL | Tencent | Hunyuan V4 系列的视觉语言模型 |
| Lara Mini | Translated | 7,2B,其中 0,6B 激活,采用 CC BY-NC-SA 4.0 许可 |
| Sarvam-105B 和 Sarvam-30B | Sarvam AI | 105B:MLA 注意力,128 个专家中 8 个激活,上下文长度为 131K |
| EXAONE 3.0、3.5 和 Deep | LG AI Research | 加载时无需 trust_remote_code |
更新时需注意:past_key_values 和 cache_params 已重命名为 cache,尽管旧名称仍可使用并会触发弃用警告,这项变更仍被归类为破坏性变更,PEFT 的最低版本要求也相应提高。Ling 3.1 Flash 现已支持原生加载,LayoutLMv3 则改用 SDPA 注意力接口。
EXO Labs 在 Mac Studio M5 Ultra 上以每秒 210 个词元运行 Inkling 2 Mini
11 月 21 日 — Inkling 2 Mini 发布次日,EXO Labs 公布了与 Thinking Machines 合作在两款 Mac 上测得的吞吐量。
| EXO Labs 测试的设备 | 生成(解码) | 提示词读取(预填充) |
|---|---|---|
| Mac Studio M5 Ultra,96 Go | 210 tokens/s | 3 620 tokens/s |
| MacBook Pro M5 Max,48 Go | 125 tokens/s | 1 750 tokens/s |
据 EXO Labs 称,该模型在 Mac Studio 上构建原生天气应用的速度是 Claude Sonnet 5.5 的 1.8 倍,按 API 定价计算,成本仅为其十一分之一。EXO Labs 解释说,循环式架构适合 MacBook 等内存有限的设备:重复执行网络层可以增加推理时的计算量,而无需扩大模型。Hugging Face 的 Julien Chaumond 认为,这展示了本地开源人工智能将如何胜出。
We got access on Wednesday. In 3 hours we had it running at 30 tok/sec A day later we had it running 210 tok/sec (7x faster)
🇨🇳 我们在周三获得了访问权限。3 小时内,我们就让它以每秒 30 个词元的速度运行。一天后,达到了每秒 210 个词元(速度提升至 7 倍)。 — @exolabs 在 X 上
🔗 @exolabs 在 X 上:Mac 上的吞吐量 · @julien_c 在 X 上
OpenUncensored 在 Inkling 2 Mini 发布当天推出解除限制的版本
11 月 20 日 — 在 Inkling 2 Mini 发布当天,提供无审查模型 API 的 OpenUncensored 推出了一个“拒绝能力消融”版本,通过有针对性地修改权重去除了模型的拒绝能力。面对 32 个有害请求,该版本在对话和思考模式下的拒绝次数都从 32 次降至零,而 MMLU 得分并未下降(79.47%,原版为 78.95%)。仅有 20 个 BF16 注意力张量被修改:由于中间层在处理每个词元时会被使用三次,对这些层的一次修改也会生效三次。API 的输入价格为每百万词元 0.15 美元,输出价格为每百万词元 0.60 美元;作者提醒,应谨慎看待如此小规模的样本。
🔗 OpenUncensored 在 Hugging Face 上的文章
企业代码平台:Replit Tunnels 接入私有网络,Devin 管理访问与共享,v0 设置支出上限
Replit Tunnels 将 Replit 环境连接至私有网络中的服务,现已开放抢先体验
11 月 20 日 — Replit 推出 Tunnels,可将其环境连接至企业私有网络中的服务(数据库、内部 API),无需向公共入站连接开放该网络。流量通过由信息技术部门在网络内部运行的客户端传输,该客户端可通过生成的 Docker 命令部署,也可使用 Helm chart 部署到 Kubernetes;信息技术部门负责选择每个 Replit 工作区能够访问的服务。客户端与 Replit 之间的连接通过 mTLS 加密并进行身份验证;各私有服务自身的身份验证和 TLS 则需单独配置。
Tunnels 已集成到连接器中:连接器的身份验证请求、Agent 的工具调用以及已发布应用的请求,都会先经过 Replit 的隧道服务器,再通过该客户端。文章列举了三种用途:在金融领域找出需要审查的客户账户(Stripe、SharePoint、Snowflake),在医疗领域查找待处理的患者转诊(Calendly、DrChrono),以及在工业领域报告物资短缺(NetSuite、Shopify、Databricks、Shippo)。Tunnels 目前需申请抢先体验,尚未公布价格;它延续了 Bring Your Own Cloud(本文曾于 10 月 17 日介绍)的方案,后者此前已采用双重 mTLS 出站隧道。
🔗 Replit 关于 Tunnels 的文章 · 文档:设置 Tunnels
Devin 推出访问与共享功能、用户组和按会话共享,并补充 11 月 17、18 和 19 日的更新说明
11 月 20 日 — Devin 的 11 月 20 日更新说明推出了面向企业的访问与共享控制功能,正在逐步部署,默认关闭:需要联系 Cognition 的对接人员才能启用。设置中的“用户组”页面可创建用户组,并用于所有管理访问权限的位置:密钥、环境、会话、自动化、插件、操作手册、技能、MCP 服务器和知识。
每个会话都可单独设置共享范围:仅自己、一个或多个用户组、组织或整个账户。使用仅自己或所属用户组可访问的仓库、密钥或环境时,会话会以私密状态启动,扩大共享范围前会显示警告。在 Slack 中,会话仍会在频道内回复,但只有获得共享权限的人才能向其下达指令。管理员会收到一份报告,列出 Devin 中访问权限与 GitHub 或 GitLab 不同的仓库;Devin Review、DeepWiki 和 Ask 也仅限于用户有权访问的仓库。除这项逐步部署的功能外,同一份说明还为安全发现新增了“已分流”状态,并在市场中加入 Sazabi 插件;未提及价格。🔗 11 月 20 日更新说明
此前三天的更新说明还带来了:
- 11 月 19 日 — 在 Devin Review 中,按仓库设置的计费规则可将仓库的审查费用(包括聊天)计入某个组织或预算,而非拉取请求的作者。安全方面,“使用 Devin 验证”按钮可对发现的问题进行验证;当有两个或更多发现时,“使用 Devin 修复”可选择按根本原因分别创建拉取请求、为每个发现创建一个拉取请求,或为所有发现创建一个拉取请求;市场移除了已被原生集成替代的 MCP 服务器(Slack、Linear、GitLab、Pylon)。🔗 11 月 19 日更新说明
- 11 月 18 日 — 首页输入框新增“共享对象”选择器,“以仅自己可见的方式启动会话”设置可使会话默认保持私密。私密会话不会在 Slack 中发布内容,将其设为可见时需要确认,确认提示会列出相关人员;组织附件遵循会话的可见范围;Devin Review 新增“更新分支”按钮,DevinDash MCP 结束测试。🔗 11 月 18 日更新说明
- 11 月 17 日 — Devin Review 可向 Azure DevOps 拉取请求发布状态,拉取请求安全审查中发现的问题可附带简短的影响摘要,Devin 还可在 Slack 中发布图像、富文本、表格、图表、卡片和轮播内容。🔗 11 月 17 日更新说明
v0 向所有企业客户开放按成员设置支出上限
11 月 20 日 — v0 向所有企业客户开放支出上限(支出限额)功能。在“设置 → 成员”中,团队所有者可为成员设置默认限额,也可为每个人单独设置限额,用于限制每个计费周期内成员耗尽自带额度后从共享额度池中消耗的额度。达到上限后,生成会在当前步骤结束时停止,成员可申请额外使用权限;未公布具体金额。
编程智能体:Claude Code 2.1.330、Antigravity 2.34.0、Copilot CLI、Qwen Code、Codex CLI,以及 Amp 的 Puck 车载模式
Claude Code 2.1.330 使用 easel 绘制图表,并让计划任务持续运行最长 30 天
11 月 20 日 — Claude Code 2.1.330 包含 142 条更新,其中有 98 项修复、16 项新增功能、14 项改进和 13 项变更。该版本新增了内置模组 easel,可应要求绘制图表,也可在 MCP 服务器返回的指标结果下方绘图,例如 Prometheus 范围查询的结果。easel 在 macOS 和 Linux 上向 Pro、Max 以及已开放此功能的 Team 和 Enterprise 用户提供;可在 /config 中关闭自动图表功能。在 Anthropic 企业管理控制台(企业管理控制台)中管理的组织也可接入:执行 claude auth login 后,Claude Code 会应用组织设置,并通过其云服务提供商或网关运行。
只要所属会话保持打开,定期执行的计划任务和 /loop 现在最长可运行 30 天,原先为 7 天;本版本发布前创建的任务仍会在 7 天后停止。更多针对根目录、主目录、顶层目录或工作目录的 rm 命令需要批准,且在无人能够回应时会被拒绝。2.1.329 移除的 max_tokens 自动重试已恢复,ExitWorktree 也不再删除其他会话正在使用的工作树。在 Google Cloud 的 Agent Platform 上,当模型来自 ANTHROPIC_MODEL 或设置文件时,claude -p 终于会遵循通过 --settings 指定的快速模式:这些运行现在会按快速模式价格计费。VS Code 扩展包含 28 条更新,其中包括 /fork 和 /workflows。
其他编程智能体:Antigravity 2.34.0、Copilot CLI 和 Copilot SDK 预览版、Qwen Code v0.28.3、Codex CLI 0.173.0-alpha.4,以及 Amp 车载模式
- Antigravity 2.34.0(11 月 20 日)— Google 的这款应用包含 15 项改进和 24 项修复。更新标题宣布支持 MCP Apps,但改进列表未详细说明;Gemini 4 Neon 和 Orchestrator (Neon) 选项向符合条件的个人付费套餐开放,Neon 可使用 Gemini API 密钥或 Google Cloud 应用默认凭据(应用默认凭据),Enterprise 账户则获得 Orchestrator。市场新增 Clerk、Docusign 和 TestMu AI 插件。🔗 Antigravity 更新日志
- Copilot CLI 1.0.115-4 至 1.0.115-6,以及 Copilot SDK 2.0.2-preview.2 至 preview.5(11 月 20 日和 21 日)— 在这些 CLI 预览版中,支持表单的 ACP 编辑器会显示结构化澄清问题(结构化澄清问题),长时间运行的本地会话也减少了磁盘占用;稳定版仍为 1.0.114。SDK 将 Gemini 4 Neon 加入模型列表(上下文为 1 048 576 个词元,输出为 65 536 个词元),读取仓库根目录下的
.claude/CLAUDE.md,随后还新增了按主题组织的云端记忆,以及会话和记忆导入 API,两者均为实验性功能。🔗 Copilot CLI 1.0.115-4 · Copilot SDK 2.0.2-preview.2 - Qwen Code v0.28.3(11 月 21 日)— 这一新版稳定版直接接续 v0.28.0,并沿用了本文昨天介绍的 11 月 20 日预览版内容:GitHub 成为第三个受支持的渠道,新增 WeCom 和 Microsoft Teams,通用的仅发送型网络钩子可将结果推送至 HTTPS 端点,ACP 和 OpenTUI 会话则在共享的智能体循环上运行;更新说明未提及破坏性变更。🔗 Qwen Code v0.28.3
- Codex CLI 0.173.0-alpha.3 和 alpha.4(11 月 20 日和 21 日)— 更新说明为空;根据自 alpha.2 以来合并的 15 个拉取请求,每个命令钩子或 MCP 工具钩子都支持
onFailure选项:默认值为continue,也可设为block;采用后者时,PreToolUse失败会阻止工具执行,PostToolUse失败则会扣留工具结果。云端托管配置也可通过codex plugin add和codex plugin list加载;稳定版仍为 0.171.0,这些内容仍可能变动。🔗 Codex CLI 0.173.0-alpha.4 - Amp 的 Puck 车载模式(11 月 21 日)— Amp 支持用户在驾驶时与其元智能体 Puck 交谈,无需查看屏幕:iPhone 应用(配合 CarPlay)和 Android 应用(配合 Android Auto 或汽车蓝牙)可进入车载模式;在 Tesla 等车辆的车载浏览器中,只需打开 ampcode.com/car,再使用已登录 Amp 的手机扫描二维码即可。需要阅读的内容会以超大字号显示;未提及价格。🔗 车内使用 Puck
简讯
模型与 API
- Together AI 上的 Qwen4 Max — 继此处 11 月 19 日报道的 30% 折扣后,Together AI 公布了有效至 11 月 22 日的价格:每百万输入 tokens 1.05 美元,输出 3.15 美元,推理按输出计费,且必须使用流式输出。作为佐证的单个案例显示,该模型在一次请求中读取了 Tornado 仓库的 344 个文件(652 519 tokens),并在 72 秒内生成了通过维护者测试的修复,花费 69 美分。🔗 来源
- Codex 中的 Ultrafast — 在 OpenAI 开发者博客上,多米尼克·昆德尔分享了搭配 GPT-6.2 Astra 和 Sol 使用 Ultrafast 的建议(热重载、简短指令、Light 或 Low 推理级别),并明确了两点:Codex 中的 tokens 生成速度最高可达原来的 4.5 倍;API 优惠价格截至 2027 年 2 月 28 日为 Standard 费率的 3 倍,3 月 1 日起则为 6 倍。🔗 来源
- Hugging Face 首页信息流 — 维克托·穆斯塔尔宣布,已登录用户现在默认看到的信息流会为每次热门模型发布单独展示一张卡片,例如汇集 Tencent 17 个新模型的卡片。🔗 来源
Hugging Face 上的开放研究
- Act-or-Ask — 这个基于 Phi-4-mini(3.8B)通过 LoRA 微调的小型开放模型,负责判断家用助手应直接行动、先征得成年人同意,还是拒绝执行。在 60 个未见过的情境中,它遵守家庭规则的比例达到 99.3%,而将相同规则放入提示词的基础模型仅为 49.7%;模型采用 MIT 许可证,评测基准采用 CC BY 4.0。🔗 来源
- FiftyOne 中的 KITScenes — 哈普里特·萨霍塔继续其面向 FiftyOne 的数据转换系列,此次处理的是 KITScenes Multimodal 的一个子集。该自动驾驶数据集由 KIT 和 FZI 在法兰克福使用 9 台摄像头、7 台激光雷达和 3 台雷达采集:包含 4 个场景的 680 个时间点,每个时间点均有九个摄像头视角,以及融合激光雷达与雷达数据的点云。🔗 来源
助手与业务智能体
- Google 的 Connected Apps — 在美国,Albertsons、Safeway、Shaw’s 和 Target 接入 Search 与 Gemini 应用,用户可通过 Universal Commerce Protocol(UCP)创建购物订单并付款;已接入 Gemini 的 Experian,以及 H&R Block,也将进入 Search,Angi 和 Thumbtack 则将在未来几周内跟进。🔗 来源
- Grok Bot 与 QuickBooks — SpaceXSI 的智能体在美国接入 Intuit QuickBooks:用户可以询问现金流、利润或未收款情况,它还可以起草发票、报价单和催款通知,交由用户批准。🔗 来源
- 为 Fundación Televisa 服务的 ElevenAgents — ElevenLabs 的一项案例研究显示,6 月 29 日至 7 月 24 日,一名语音智能体为这家墨西哥基金会的创业加速器 POSiBLE 完成了 1 036 场候选人访谈,平均每场五分钟,最终有 70 个项目入选最后阶段;该基金会的另一项目 Bécalos 则在两天内访谈了 394 名年轻人。🔗 来源
生成式图像
- Kling Image 4.0 — Kling 转发了 Artificial Analysis 的评测结果:其文生图排名第 7,图像编辑排名第 6,仅落后于 OpenAI 和 Microsoft AI 的模型,而 Kling Image 3.0 Omni 此前分别排名第 86 和第 67。限时黑色星期五优惠显示,2K 图像每张低至 0.022 美元,原生 8K 每张低至 0.033 美元,但未说明适用于应用还是 API。🔗 来源
人工智能之外
- GitHub 安全公告权限 — Security 类别下的四项权限(查看公告、创建和管理公告、接受私密报告、发布及申请 CVE)现在可以通过自定义仓库角色分配,无须将相关人员设为仓库管理员。🔗 来源
这意味着什么
黎曼猜想的证明将信任的重心转向形式化验证。一份长达 1700 万行的证明无法靠人工逐行复核:这里的可信度来自一天内完成的一系列公开核验,从专家复核 Mathlib 中的命题陈述,到多个独立验证器的检验。这项认证既不说明证明是如何找到的,也不涉及广义黎曼猜想,作者仍需作出解释;但它让人们能够接受借助模型得到的结果,而无须信任模型本身。Meta 将 26 本教材形式化为 Lean 的 ATLAS 库,也朝着同一方向迈进。
OpenResearch Intelligence Index 衡量的不只是知识,而是完成整项研究的能力,从文献检索一直到后训练。闭源模型在其中明显领先,但成本差距与分数差距同样重要:GPT-6.1 Sol 每次尝试花费 3.83 美元,得分为 0.549;GPT-6 Astra 花费 22.44 美元,得分为 0.566。DeepSeek V4.1 Flash 在该指数评测中每次尝试花费 0.72 美元,使用 OpenResearch 工具时,其文献检索赛道的表现接近 GPT-6 Astra。empirischtech 的检测器提醒人们注意这类评测的局限:它在 RAID 上从第 27 名升至第 5 名,却只能识别自身测试集中 58.7% 的人工智能生成文本,而其微调所基于的通用检测器识别率为 97.8%。排名只衡量评测基准涵盖的内容,仅此而已。
Inkling 2 Mini 展示了开放权重模型如今的传播速度:在二十四小时内,它被纳入 Transformers,在 Mac Studio 上达到每秒 210 tokens,并出现了一个仅修改 20 个张量就移除拒绝机制的解除限制版本。同样的开放性,既让模型能在一天内移植到工作站,也让拒绝机制能在当天被移除。开放科学则依靠数据和工具向前推进:Meta 将共享脑活动数据的采集目标提高到 25 000 小时,Diffusers 则展示了为图像设计的微调方案也适用于蛋白质设计。
在编程平台方面,当天的重点更多是治理,而非生成。Replit Tunnels 选择工作区可以访问哪些私有服务,Devin 决定谁能查看和控制每个会话,v0 为每位成员设置支出上限,Claude Code 则应用在 Anthropic 的 Enterprise 控制台中管理的组织设置。智能体的自主性不断增强,Claude Code 中的定时任务可持续运行长达 30 天,但防护措施也同步跟进:风险最高的 rm 需要批准,Codex CLI 预览版中的 hooks 则可在失败时阻止操作。
来源
- Lean 与 Mathlib 社区关于黎曼猜想证明的声明
- 莱文特·阿尔珀格在 alphaXiv 上的说明
- Scientific American:独立数学家的确认
- 验证过程的技术概述(MIT)
- 韦伊正性量表(VIDRAFT)
- 韦伊量表的 Space(Hugging Face)
- @askalphaxiv 在 X 上:OpenResearch Intelligence Index
- alphaXiv 关于 OpenResearch Intelligence Index 的博文
- @togethercompute 在 X 上:开放模型接受评测
- empirischtech 关于 RAID 的博文(Hugging Face)
- 科学开源人工智能峰会回顾(Meta)
- @AIatMeta 在 X 上:科学峰会
- @RisingSayak 在 X 上:Diffusers 中的 RFD4-Proteina
- Transformers v5.24.0
- @exolabs 在 X 上:Mac 上的 Inkling 2 Mini
- @exolabs 在 X 上:从每秒 30 tokens 到 210 tokens
- @julien_c 在 X 上:本地与开源人工智能
- 解除限制的 Inkling 2 Mini(OpenUncensored)
- Tunnels(Replit)
- 设置 Tunnels(Replit 文档)
- Devin 11 月 20 日版本说明
- Devin 11 月 19 日版本说明
- Devin 11 月 18 日版本说明
- Devin 11 月 17 日版本说明
- v0 更新日志:支出上限
- Claude Code v2.1.330
- Antigravity 更新日志
- Copilot CLI 1.0.115-4
- Copilot SDK 2.0.2-preview.2
- Qwen Code v0.28.3
- Codex CLI 0.173.0-alpha.4
- 车里的 Puck(Amp)
- Together AI 上的 Qwen4 Max
- 我如何借助 Ultrafast 保持心流(OpenAI)
- @victormustar 在 X 上:Hugging Face 首页信息流
- Act-or-Ask(Hugging Face)
- FiftyOne 中的 KITScenes Multimodal(Hugging Face)
- 用于购物的 Connected Apps(Google)
- @bot 在 X 上:Grok Bot 与 QuickBooks
- Fundación Televisa 与 ElevenAgents(ElevenLabs)
- @Kling_ai 在 X 上:Kling Image 4.0
- 安全公告权限(GitHub 更新日志)