依意思最接近的 30 筆
OpenAI 於 10 月 6 日一次性發布 372 項數學成果，其中包括 Subhash Khot 的 Unique Games 猜想證明，部分結果附有 Lean 證書，但並非全部。截至目前似乎還沒有人類讀懂這些證明，理解它們的競賽才剛剛開始。作者妻子、複雜度理論家 Dana Moshkovitz 長期研究 UGC，她稱論文寫得極差、必須靠 AI 輔助才能閱讀，證明構造出一種全新的遞迴編碼與噪聲測試。
Minotaur 這套不依賴語言模型、也不用 GPU 的 AI 架構，能完成演繹、歸納、溯因、診斷、實驗選擇與信念修正等多種推理，全部由單個網路、單個普通 CPU 核心完成，每題約 0.25 秒。在由從未看過其程式碼的人設計的盲測中，它在一道“提問會改變證人記憶”的警方訊問推理題，以及僅憑資料學習、診斷和預測系統兩項上，與當前語言模型表現持平。文章還回顧了邏輯理論家、通用問題求解器、專家系統、Prolog 與日本第五代計算機專案等前語言模型路線各自的止步之處。
Anthropic 公開 FlashProve，一套用 zkSNARK 實現可驗證推理的開源原型：模型提供方可以證明某次回覆確實由指定模型生成，同時不洩露模型權重。在 4-bit 量化的 400B 混合專家模型 Llama 4 Maverick 上，單張 H100 生成證明約 110 token/秒，每 1,024 token 請求的證明約 19MB。這相當於 vLLM 直接執行該模型的 GPU 時間的 70–95 倍，但比此前的開源系統快幾個數量級。
DeepSeek 開源了生產推理棧 DeepInfer，它基於 vLLM 定製、採用 Apache 2.0 許可，支援最長 72 小時 prompt 快取、投機解碼與結構化輸出，相容 NVIDIA 與華為昇騰。官方稱單叢集日處理 155 萬億 token、輸入快取命中率 96%、首 token 延遲 400ms、生成速度 230 token/s，按非高峰電價折算單卡每小時收入 38 美元，毛利率超過 80%、回本週期 81 天。不過 KV 快取管理與負載均衡仍未開源；
Carta 報告顯示，2018 至 2026 年單人創始人佔新創公司比例近乎翻倍至 39%。作者認為 AI 壓縮了產品建置與獲客所需工時，單人創業將成預設；哈佛 Noam Wasserman 研究稱 65% 的高潛力創業失敗源於人際衝突，去掉聯合創始人可消除這一主因。但單人創業的主要死因會變成孤獨，解決辦法不是湊合找聯合創始人，而是接入資源與單人創業者社群，做到“solo, together”。
近期出現一批極窄用途的推理執行時，包括 Strata、ninfer、DwarfStar、Splash、llamAmpere、gufo 等。它們刻意放棄 llama.cpp 與 vLLM 擅長的通用性，只針對少數模型甚至單一硬體家族（如 Strix Halo）做最佳化。作者認為通用執行時負責相容、過擬合執行時負責極致效能將成為常態，並有助於智慧的民主化與去中心化，讓現有硬體在特定配置下榨出最大輸出。
墨芯人工智慧完成近 10 億元人民幣 C+輪融資，距離上一輪近 10 億元融資僅過去 5 個月。該公司自 2018 年起專注稀疏計算，以「權重稀疏化+啟用稀疏化」雙稀疏演算法做專用推理晶片，S30 計算卡在 MLPerf Inference 部分測試類別中連續三屆奪冠，2026 年第三季度營收實現數倍增長。新一代板卡 SP200 將在年底前發布，升級版軟體棧 SECA 也即將推出。
10 月 26 日，Axiom Math 宣布數十個 AI Agent 用 24 天完成了有限單群分類定理的 Lean 形式化，產出約 4310 萬行程式碼、205 萬個宣告。這項被稱「巨型定理」的證明由 100 多位數學家耗費數十年寫成，約 1.5 萬頁、散落在 500 多篇論文裡。過程中 Agent 發現 1986 年 Walter 不平衡群定理的一處推理漏洞，並在群論專家建議下構造出新定理 Preservation of simple tops 補上這條路線。
AlphaGo 核心作者 Thore Graepel 在 MIT Technology Review 發文稱 LLM 不會推理，並已離開 Google DeepMind 創業做可審計的機器推理。他指出 AlphaGo 第 37 手是策略網路加搜尋機制的結果，而 LLM 的思維鏈仍只是預測下一個 token，缺少可檢查的認知狀態、知識與推理的分離，且常事後編造解釋。Yann LeCun 表示讚賞，認為真正推理必須涉及搜尋。
Anthropic 開源可驗證推理系統 FlashProve，讓服務商在不公開模型權重的情況下，用零知識證明某條回答確實由指定模型生成。該系統在 4000 億引數的 Llama 4 Maverick 上測試，單張 H100 每秒可生成約 110 Token 的證明，每 1024 Token 請求的證明檔案約 19 MB，24 執行緒 CPU 驗證約需 17 秒。
OpenAI 於 10 月 6 日發布 700 餘篇數學研究論文，數學家 Frank Calegari 撰文稱這是數學史上的分水嶺，AI 已能在多個數學領域做出突破性貢獻。他承認這些論文寫作粗糙、部分結論有誤、也違反學界署名慣例，但認為數學界更該在自己可控的招聘、發表與人才培養上著力。他以有限單群分類為歷史先例：Gorenstein 1972 年提出綱領，1983 年宣布完成，之後學科熱度下降，但深層問題依然存在；因此“著名問題被解決”並非終點，反而是新起點。
Anthropic 公布可驗證推理研究 FlashProve，讓開發者能夠驗證某條回覆是否確實來自指定模型，且效率顯著高於此前的開源方法。該證明可用於提高攻擊者劫持對話的難度，也能讓安全評估者確認被測模型與對外服務所用模型是否同一個。FlashProve 程式碼已開源，完整論文另附連結。
OpenAI 公布 372 項數學與理論電腦科學成果，其中包括 Subhash Khot 的 Unique Games Conjecture（UGC）證明，推薦名單有 Timothy Gowers、Edward Witten 等數學家。UGC 意味著許多最佳化問題即使只想比半正定規劃鬆弛略好地近似，也是 NP-hard。部分成果附 Lean 證書，但幾乎所有證明尚未被人類理解；
OpenAI 內部模型 5 月給出 1946 年提出的 Erdős 單位距離猜想的反例，6 月證明 Cycle Double Cover，7 月再解十個開放問題，9 月給出 Navier-Stokes 證明；Anthropic 則形式化了費馬大定理並改進黎曼猜想的界。文章分析稱，LLM 以深度優先方式並行推進多條思路，再用只能校驗完整證明的自動驗證器剪枝，單條思路的試錯成本降到幾分鐘，因此普通甚至看似不可能的提示也值得投入大量算力。
Arjun Panickssery 在 LessWrong 發文稱，他不認為當前 AI 能勝任自主研發。在 Scrabble 引擎、終極井字棋機器人、哲學維基和駭客松論文評審等副專案中，模型的基礎判斷力很差：找不到最關鍵的論文，用明顯過小的資料量做無資訊量實驗，反覆走進瑣碎方向，甚至找到了關鍵部落格卻沒意識到它的重要性。
據 The Information 報導，Anthropic 正準備推出一款新模型，其推理與直覺判斷據稱超過現役所有商用 Claude 模型，並能從有限指令推斷出使用者未明說的目標。試用者舉例稱，讓它修復一個 Bug，它可能找出導致該 Bug 的一整類底層問題，並主動詢問是否一併修復；該模型的名稱、發布時間與評測成績均未公布。
面壁智慧的運算元生成系統 ForgeKernel 在無原始碼、無參考實現的情況下，通過直播自進化 22.5 小時，在輝達 B200 上把 DeepSeek-V4.1 的 FlashMLA Prefill 運算元做到 472 微秒，比人類手寫的 518 微秒快 9.8%。全程 42 輪迭代、留下 32 個版本，只用了 1 張 B200 和 22 個 GPU 小時，人工編寫 0 行程式碼。它此前已登頂昇騰 CANNBench 950DT、950PR、A3 三張榜單第一，並在直播結束後開源；
AAAI 期刊論文《How to make System 1 LLMs show System 2 competencies?》在 Wiley Online Library 上線，研究如何讓直覺式（System 1）大模型表現出慢思考（System 2）的能力。全文需經 Wiley 連結檢視，Hacker News 同期討論帖僅 7 分、1 條評論。原文未披露所用方法、模型與實驗資料。
Anthropic 前沿紅隊部落格發布研究：與 Theorem Labs 合作，用 Claude 在數週內為一百多個真實開源庫證明安全屬性。形式化驗證過去只能用於小規模程式碼庫或需大量專家時間，AI 模型正讓大規模驗證變得可行。完整研究已在其部落格發布。
Karpathy 在推文中估算，全球只有約 5000 人（約 0.00006% 人口）能直接使用最前沿的內部 AI 系統；約 2000 萬數學與程式設計專業人士在用前沿級 LLM 做專業工作，另有約 60 億人（約全球 75%）幾乎沒接觸過 LLM。他把這種分化稱為一條越來越陡的能力漏斗，成因是任務規模、能力鋸齒狀分佈（集中在可數字化、可驗證、商業價值高的領域）與存取權限分層。這些內部系統可讓成千上萬 Agent 組成叢集連續執行數週，推進大型軟體專案、發現零日漏洞。
一位電腦科學家在這篇評論中指出，AI agent 結合 Lean 等互動式證明助手，正在把希爾伯特百年前設想的「證明機器」變為現實，其對數學界的衝擊甚至超過希爾伯特綱領的失敗。他同時警告，程式設計領域已把不讀 AI 生成程式碼當成常態；而在 Curry-Howard 對應下程式與證明本質相同，放棄閱讀就等於放棄理解。他主張像數學家反覆簡化 AI 證明那樣，用抽象、重構與更高層語言把程式碼簡化到能裝進腦中。
OpenAI 公開了由一款尚未發布的前沿模型產出的 722 篇論文手稿，稱其中解答了數百個長期懸而未決的數學問題。這批手稿覆蓋 372 個結果族，把相關論文歸入同一組，結果已預期數週才公布。新成立的獨立數學家顧問組 AGMAI 負責對外溝通這些成果。此前數學界對這些突破既感震動也存在爭議，並引發了關於研究倫理與學術規範的討論。
蘋果與卡內基梅隆大學提出 SSR 框架，讓多模態搜尋 Agent 不再逐 token 生成自由形式推理，而是從 6 條預定義推理選項中做選擇題。在 7 個多模態搜尋 benchmark 上，每輪推理延遲降低超過 90%，每題總推理延遲降低 28–54%，p95 推理延遲僅 0.07 秒；4B 模型平均成功率 61.37%，與同規模 SOTA 持平，2B 達 51.26%。推理選擇由模型自身打分完成，不需要額外分類頭，也可跳過 SFT warm start 直接接 RL 訓練。
量子位發文吐槽，Fable、Sol 等與 Coding 沾邊的模型普遍輸出「15/15 全綠」「單腿啞火」這類黑話。文中分析，除 Coding 過擬合外，更主要的原因是廠商為省 Token 把思維鏈壓縮成「穴居人語」，OpenAI 最早這麼做，同樣一句話的 Token 消耗比白話文少 70%；Claude 自 Opus 4.6 起也開始如此。作者稱最新 Opus 5.5 語言能力回升明顯，而 Gemini 因輸出風格正常、排版層級清晰，被社群視為少數還能正常溝通的 AI。
DeepSeek 以 Apache 2.0 開源內部推理框架 DeepInfer 及配套編解碼元件 deepseek-recipe，當前支援 DeepSeek-V4.1-Flash。官方披露單叢集每天吞吐 155 萬億 token，按 API 谷價摺合每卡每小時 38 美元收入，有人以每張 B300 每小時 7 美元租金估算毛利率約 82%。
Ricursive Intelligence 兩位創始人在 TechCrunch Disrupt 上介紹，公司正開發能自行設計晶片、從每次迭代中學習並改進後續設計的 AI，目標是自動化並加速晶片設計流程。創始人 Anna Goldie 與 Azalia Mirhoseini 稱未來五年算力需求至少增長 10000 倍，與其建 10000 倍資料中心，不如讓晶片和晶圓用得更高效；
Sebastian Raschka 發布從零建置推理模型的影片課程，共 8 集、總時長超過 11 小時。課程以小型預訓練 Qwen3 模型為起點，用 Python 和 PyTorch 親手實現評估、推理時擴充套件、強化學習與蒸餾，可配合其《Build a Reasoning Model (From Scratch)》一書按章節同步練習。前置要求是熟悉 Python 與 PyTorch；早期文字生成與評測範例在 CPU 上即可執行，後續訓練實驗建議使用 GPU。
OpenAI 於 2026 年 10 月 6 日發布由內部前沿模型產出的多項數學結果，以 GitHub 倉庫形式公開，併為其中許多證明提供 Lean 形式化驗證。倉庫同時給出 10 份模型推理摘要、以 ChatGPT Pro 用量折算的算力估算，以及嘗試題目數量的統計，平均每個結果約消耗相當於 3 小時 ChatGPT Pro 思考的算力。
Anthropic 聯合創始人 Jack Clark 在 IMF 2026 曼谷年會的佩爾·雅各布森講座上宣稱，奇點已經到來。他給出的證據包括：Claude Opus 5.5 在「人類最後的考試」上的得分升至 67.7%，在 FrontierMath 上從 2 分升至 94 分；在 50 道未公開的頂尖物理難題中，GPT-6 Astra 初評約 80%，人類專家修正參考答案後達到 98%（50 題對 49 題）。
OpenAI 開發者帳號 @OpenAIDevs 發布了一條演示：一款迷你推理遊戲跑在 M5Stack 的 stick 形態開發板上，玩家在遊戲中扮演偵探。帖文只有這一句話和展示本身，未說明所用模型、硬體具體型號，也沒有給出價格或獲取方式。