AI日刊：OpenAI数学证明争议发酵，多款模型降延迟并加码Agent应用

AI日刊：OpenAI数学证明争议发酵，多款模型降延迟并加码Agent应用 2026年9月9日AI动态聚焦于OpenAI在纳维-斯托克斯问题引发的数学证明署名风波、图像与端侧模型降延迟与工程化推进，以及Anthropic与Mistral引发的大规模算力资本竞赛。 OpenAI推出Images 2.5并更新Flare接口，图像生成延迟最高降低50%。 OpenAI宣布代理团队给出纳维-斯托克斯难题解法，引发涉及Tristan Buckmaster的署名与数据边界争议。 Meta发布个人代理Muse，面壁智能开源端侧MiniCPM5-2B，推进执行层Agent落地。 Anthropic锁定5170亿美元算力合同，Mistral以210亿欧元估值完成30亿欧元D轮融资。 学术界在多跳空间推理、保护能力幻觉及受限规划等方向发布新评测与机制研究。 图像生成与端侧模型优化 OpenAI推出ChatGPT Images 2.5，延迟降低最高达50%，支持Sketch手绘构图及评论式局部编辑；其开发者接口Flare相比GPT-Image-2同样实现50%的延迟降低，强化局部编辑和透明背景处理。端侧方面，面壁智能开源MiniCPM5-2B，将工具调用、深度搜索与代码生成集成至设备端，并通过0.6B编辑模型精炼语料。 Agent框架与日常任务代理 Meta推出个人AI代理Muse，聚焦购物、填表和旅行规划等真实网页操作任务。开源社区中，支持网页自动化的browser-use与沉淀团队开发经验的superpowers框架星标量走高；包含提示词规范的CLAUDE.md项目也受到开发者关注。OpenUI则发布了基于26B/A4B MoE架构的开源生成式界面模型OUI-1。 数学证明风波与大额算力竞赛 OpenAI宣布下一代代理模型给出纳维-斯托克斯千禧难题解法，纽约大学数学家Tristan Buckmaster披露其参与的证明进展并提出署名争议，官方回应称双方在公开前未见对方私有工作，但承认无法完全排除去标识化产品数据的间接影响。资本方面，Anthropic被曝签下总额达5170亿美元的长期算力合同并锁定至少14.8GW电力；Mistral则完成30亿欧元D轮融资，估值升至210亿欧元。 科研探索与模型安全边界 Google DeepMind上线覆盖人类基因组变异的AlphaGenome Atlas；清华与外部团队就约束感知Agent与声学多人姿态估计提出新方案。在安全与可靠性方面，MultihopSpatial基准测试显示37个前沿VLM在多跳空间推理上仍存短板；最新研究指出大模型常出现声称拥有报警施救等不存在能力的保护幻觉；徒步者因依赖Gemini建议遇险的案例亦引发对安全场景过度信任AI的讨论。

AI日刊：OpenAI数学证明争议发酵，多款模型降延迟并加码Agent应用 2026年9月9日AI动态聚焦于OpenAI在纳维-斯托克斯问题引发的数学证明署名风波、图像与端侧模型降延迟与工程化推进，以及Anthropic与Mistral引发的大规模算力资本竞赛。 OpenAI推出Images 2.5并更新Flare接口，图像生成延迟最高降低50%。 OpenAI宣布代理团队给出纳维-斯托克斯难题解法，引发涉及Tristan Buckmaster的署名与数据边界争议。 Meta发布个人代理Muse，面壁智能开源端侧MiniCPM5-2B，推进执行层Agent落地。 Anthropic锁定5170亿美元算力合同，Mistral以210亿欧元估值完成30亿欧元D轮融资。 学术界在多跳空间推理、保护能力幻觉及受限规划等方向发布新评测与机制研究。 图像生成与端侧模型优化 OpenAI推出ChatGPT Images 2.5，延迟降低最高达50%，支持Sketch手绘构图及评论式局部编辑；其开发者接口Flare相比GPT-Image-2同样实现50%的延迟降低，强化局部编辑和透明背景处理。端侧方面，面壁智能开源MiniCPM5-2B，将工具调用、深度搜索与代码生成集成至设备端，并通过0.6B编辑模型精炼语料。 Agent框架与日常任务代理 Meta推出个人AI代理Muse，聚焦购物、填表和旅行规划等真实网页操作任务。开源社区中，支持网页自动化的browser-use与沉淀团队开发经验的superpowers框架星标量走高；包含提示词规范的CLAUDE.md项目也受到开发者关注。OpenUI则发布了基于26B/A4B MoE架构的开源生成式界面模型OUI-1。 数学证明风波与大额算力竞赛 OpenAI宣布下一代代理模型给出纳维-斯托克斯千禧难题解法，纽约大学数学家Tristan Buckmaster披露其参与的证明进展并提出署名争议，官方回应称双方在公开前未见对方私有工作，但承认无法完全排除去标识化产品数据的间接影响。资本方面，Anthropic被曝签下总额达5170亿美元的长期算力合同并锁定至少14.8GW电力；Mistral则完成30亿欧元D轮融资，估值升至210亿欧元。 科研探索与模型安全边界 Google DeepMind上线覆盖人类基因组变异的AlphaGenome Atlas；清华与外部团队就约束感知Agent与声学多人姿态估计提出新方案。在安全与可靠性方面，MultihopSpatial基准测试显示37个前沿VLM在多跳空间推理上仍存短板；最新研究指出大模型常出现声称拥有报警施救等不存在能力的保护幻觉；徒步者因依赖Gemini建议遇险的案例亦引发对安全场景过度信任AI的讨论。

`AI资讯` | `每日早读` | `全网数据聚合` | `前沿科学探索` | `行业自由发声` | `开源创新力量` | `AI与人类未来` | [访问网页版↗️](https://hex2077.dev/) | [进群交流🤙](https://source.hex2077.dev/logo/wechat-qun.jpg) `OpenAI数学声明引爆证明署名数据争议 Images 2.5、Flare推动图像生成降延迟 Meta Muse、MiniCPM5推进个人与端侧Agent Anthropic、Mistral加码算力资本竞赛 空间推理、重构Agent、安全幻觉成研究焦点` **图像模型升级提速。** OpenAI推出ChatGPT Images 2.5，[图像模型升级](https://x.com/shao__meng/status/2097471730856218734)覆盖速度、保真度、编辑精度和多轮一致性。延迟最高降低 **50%**，连续改图更顺手 🎨。Sketch手绘输入让构图从线稿开始，模板则覆盖海报、产品照和周边。评论式编辑能只改指定区域，商业素材试错成本会更低。 **图像接口延迟下降。** OpenAI Developers称Flare生成质量更高，[图像接口性能](https://x.com/OpenAIDevs/status/2097399267866648769)相比GPT-Image-2延迟降低 **50%**。Sunburst负责更细的局部编辑 🖌️，复杂版式和透明背景也被点名改进。更新重点不是炫技，而是让API图片流更稳定。广告、电商和品牌物料会先感到变化。 **个人代理继续升温。** Meta推出个人AI代理Muse，[个人代理Muse](https://www.theverge.com/ai-artificial-intelligence/991216/meta-bets-on-ai-agent-muse-to-catch-up-in-ai-race)面向购物、邮件和旅行规划等日常任务。用户给出目标后，它可打开浏览器、填表，甚至代用户谈判。Meta这次押注的是普通用户入口 🧭。它也说明代理竞争已经从聊天框走向真实网页操作。 **端侧模型具备代理。** 面壁智能开源MiniCPM5-2B，[端侧模型发布](https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651055602&idx=1&sn=c26a061b944f571aabbcf2ae440fc96f)把工具调用、深度搜索和代码生成带到设备端。团队还开放部分训练配方、数据和RL框架。UltraX用 **0.6B** 编辑模型精炼语料 📱，操作过程可保存和审计。端侧Agent开始从聊天能力转向可执行任务。 **DeepSeek开放内测。** DeepSeek V4.1 Flash在官方交流群开放短期测试，[模型内测消息](http://weixin.sogou.com/weixin?type=2&query=%E8%85%BE%E8%AE%AF%E7%A7%91%E6%8A%80+DeepSeek%20V4.1%20Flash%E5%BC%80%E5%A7%8B%E9%99%90%E6%97%B6%E5%86%85%E6%B5%8B%EF%BC%9A%E6%96%B0%E6%9E%B6%E6%9E%84%E3%80%81%E5%8E%9F%E7%94%9F%E5%A4%9A%E6%A8%A1%E6%80%81)指向新架构和原生多模态。开发者不用改base\_url，只需替换模型名。端点名带有 **0910** 到期信息 🔍，像是临时测试版本。技术报告、参数规模和benchmark仍未公开。) **基因预测图谱上线。** Google DeepMind发布AlphaGenome Atlas，[基因预测图谱](https://www.theverge.com/ai-artificial-intelligence/991180/google-launches-alpha-genome-atlas)试图覆盖人类基因组每种DNA字母变化。平台被描述为预测地图 🧬，面向生物研究和疾病机制分析。人类基因组约有 **三十亿** 个碱基规模。若后续验证稳定，它会压缩变异解释和靶点筛选时间。 **DeepSeek降价。** 社交帖称DeepSeek Flash模型降价，[原帖简短提及](https://x.com/Gorden_Sun/status/2097348222062825681)。低价模型战继续升温。 **蛋白口袋生成分子。** NEAT-POCKET把蛋白结合口袋作为条件，[三维分子生成](https://arxiv.org/abs/2609.05097)按原子逐步生成候选分子。它保持原子置换不变性，也显式建模氢原子。CrossDocked和SPINDR测试显示采样更快 ⚗️，结构生成表现仍有竞争力。片段补全能力让先导化合物优化更直接。 **代理规划看见约束。** Substrate-Aware AI Agents提出把内存、时限和运行环境写入规划状态，[执行上下文研究](https://arxiv.org/abs/2609.05232)用代码生成任务做验证。披露约束后，程序最高快 **3.1倍**。内存峰值在13个可执行对比中下降 🧱，代码结构也更保守。提示词不只该写目标，也该写机器边界。 **多跳空间推理仍难。** MultihopSpatial面向视觉语言模型，[空间推理基准](https://arxiv.org/abs/2603.18892)覆盖1到3跳组合关系和不同视角。研究评测了 **37个** 前沿VLM。新指标要求答案正确，还要框准视觉位置 🤖。结果显示，组合空间推理依旧卡住机器人和VLA落地。 **声学信号还原姿态。** SoundMHPE尝试只用声音恢复多人三维姿态，[声学姿态估计](https://arxiv.org/abs/2609.04902)构建6小时同步数据集。数据包含 **432K帧** 姿态与声学信号。多人动作声纹会叠加 🎧，反射延迟也会干扰时序关系。这条路线适合隐私敏感的人机交互和机器人感知。 **仓库重构代理可测。** RefactorPlatform提供仓库级重构Agent评测环境，[重构评测平台](https://arxiv.org/abs/2609.04898)固定环境后比较模型、检索和多代理方案。AST感知切块比朴素窗口提升 **25-30%**。平台记录token、diff、日志和验证结果 🧪。大型代码重构终于有了更可复现的审计路径。 **保护幻觉被系统命名。** Protective Capacity Hallucination描述模型声称能报警、施救等不存在能力，[能力幻觉研究](https://arxiv.org/abs/2607.13596)覆盖8个LLM。实验共计 **13,600** 次会话。问题来自保护者角色和真实能力边界不匹配 🚧。医疗、救援和客服部署都要把不能做的事写清楚。 **数学证明争议升温。** OpenAI称代理团队给出纳维-斯托克斯千禧难题解法，[数学证明声明](https://x.com/OpenAI/status/2097375276384567642)同时回应Levent Alpöge和Tristan Buckmaster相关争议。官方称研究者与代理在公开前未看到对方私有工作。它也承认无法完全排除去标识化产品数据的间接影响 📜。数据边界、署名信用和自动科研审查被推到同一张桌上。 **大额算力合同曝光。** AI Base报道称Anthropic在11个月内签下算力合同，[算力扩张规模](https://www.aibase.com/zh/news/30894)总额达到 **5170亿美元**。报道还称公司锁定至少 **14.8GW** 计算能力。部分合同期限超过2030年 ⚡，并伴随自建数据中心计划。模型竞争已经变成电力、资本和供应链的长期赌注。 **法国模型公司融资。** Mistral完成D轮融资，[主权模型融资](https://techcrunch.com/2026/09/08/mistral-raises-e3b-as-sovereign-ai-becomes-big-business/)由Samsung、Scaleup Europe和PSG Equity等参与。融资额为 **30亿欧元**，估值达到 **210亿欧元**。欧洲资本继续加码 🇪🇺，目标是保住基础模型独立性。主权AI不再只是政策口号，而是高成本公司竞争。 **徒步事故提醒校准。** Reddit讨论称三名徒步者按Gemini建议规划沙斯塔山行程后被困，[徒步风险讨论](https://www.reddit.com/r/artificial/comments/1wa5i9p/three_hikers_got_rescued_off_a_mountain_this_week/)把事件和高能力模型发布放在一起看。帖子称事故发生在9月1日。核心问题不是模型是否聪明 🥾，而是用户何时该停止相信它。越像专家的回答，越需要在安全场景里二次核验。 **安全披露需要外审。** Reddit帖子讨论前沿实验室披露失控AI故事，[安全披露讨论](https://www.reddit.com/r/artificial/comments/1w9mgfq/are_rogue_ais_a_warning_shot_or_a_marketing_stunt/)反对只在警讯和营销之间二选一。它主张先确认系统做了什么、拥有什么权限、哪些护栏失效。公司披露有价值 🛡️，但证据来源也可能带叙事偏向。企业客户需要独立验证，而不是只听供应商复述。 **浏览器自动化项目走热。** browser-use让网站可被AI Agent访问和操作，[浏览器自动化](https://github.com/browser-use/browser-use)把网页任务封装成可编排能力。项目总Star为 **113,037**，当天新增330星。它适合自动填表、网页采集和在线流程执行 🌐。Agent落地时，浏览器仍是最现实的入口之一。 **代理技能框架爆红。** superpowers主打agentic skills框架和软件开发方法论，[代理技能框架](https://github.com/obra/superpowers)在GitHub热榜继续上行。项目总Star为 **283,037**，当天新增446星。它把团队编码经验拆成可复用技能 🧰。AI编码正在从提示词技巧，转向可复制的流程资产。 **Claude规范文件走红。** andrej-karpathy-skills用一个CLAUDE.md改善Claude Code行为，[Claude规范](https://github.com/multica-ai/andrej-karpathy-skills)来自Karpathy对LLM编码坑点的观察。项目总Star为 **211,051**，当天新增325星。单文件也能冲到高热度，说明开发者急需默认约束。把习惯写进上下文，比每次临场提醒更稳。 **开源界面模型发布。** OpenUI发布OUI-1，[生成式界面模型](https://x.com/shao__meng/status/2097479009286451524)定位为首个开源权重的生成式UI模型。它基于26B/A4B MoE，基准得分 **71.7%**。相比基座13.0%，提升很显眼 🧩。生成式UI要快、准、能本地跑，这次给出了一条可复现路线。 **测试算力成本骤降。** Sam Altman转发Noam Brown观点，[算力成本对比](https://x.com/sama/status/2097449884530131057)称旧ARC成绩曾需约50万美元计算成本。Astra如今约 **20美元** 就能超过该成绩。帖子还把IMO金牌级问题和订阅用户能力放在一起比较 📉。测试时计算扩展正在快速改写能力价格曲线。 **纳维难题转帖发酵。** Lilian Weng转发OpenAI关于纳维-斯托克斯问题的内容，[纳维难题转帖](https://x.com/lilianweng/status/2097377140534804880)称证明由代理团队产生。相关模型被描述为强于GPT-6 Astra的下一代模型。这个难题关乎三维光滑流体运动是否会崩解 🌊。结论仍要等待数学审查，而传播已经先一步爆开。 **数学家声明引爆署名。** 宝玉整理称纽约大学数学家Tristan Buckmaster披露LLM辅助流体证明进展，[数学家声明](https://x.com/dotey/status/2097223647068836166)同时提到与OpenAI沟通后的署名争议。声明称他与Levent Alpöge在一个月内推进多项证明。Buckmaster也强调自己没有看过OpenAI证明 ⚖️。Lean验证、学术信用和公司竞争被卷入同一场风波。 **世界模型扩出室外。** Fei-Fei Li转发World Labs演示，[世界模型演示](https://x.com/drfeifei/status/2097485723628912676)显示Atlas-turbo可从儿童房生成新的室外区域。系统从单图出发，支持探索三维世界。空间记忆让场景延续更久 🏞️，画面不再困在小房间。游戏、3D内容和具身仿真都会盯紧这类能力。 **内部模型训练继续。** Chubby转述截图称OpenAI自8月28日训练新内部模型，[训练进展截图](https://x.com/kimmonismus/status/2097381188201517193)显示数学benchmark表现罕见。帖文称训练仍在继续，性能还在改善。它把这一信息与纳维-斯托克斯声明联系起来 🚀。基模型竞赛的上限，正在被持续训练继续抬高。 **建筑场景代理搭建。** meng shao整理OpenAI开发者案例，[建筑可视化案例](https://x.com/shao__meng/status/2097482713351717094)展示GPT-6 Astra从一句需求搭建3D住宅。它覆盖Blender场景、家具、材质、灯光和UE5漫游。Astra会渲染预览 🏠，再自检穿模和修正细节。3D创作开始出现带审查闭环的代理工作流。 **连续扩散一步写码。** Reddit项目帖提出把语言连续化并使用扩散模型，[一步写码项目](https://www.reddit.com/r/artificial/comments/1wa6ouo/continuous_diffusion_for_code_generation_in_one/)再把生成轨迹蒸馏成一步。帖子附有论文和代码地址。这个方向挑战逐token自回归写代码的常规路线 🧬。若可靠性跟上，生成式编程会多一条技术分支。 | 💬 **微信公众号** | 📹 **抖音** | |---|---| | 公众号：何夕2077 | [自媒体账号](https://www.douyin.com/user/MS4wLjABAAAAwpwqPQlu38sO38VyWgw9ZjDEnN4bMR5j8x111UxpseHR9DpB6-CveI5KRXOWuFwG) |