正在读取往期简报……
没有找到相关简报，试试其他关键词或月份。
OpenAI 公开由内部前沿模型产生的 722 份数学手稿，按 372 组相关结果整理，并在 GitHub 提供修订和引用方式。一组可能包含主结果、推论或替代证明，所以这些数字不能理解为已经解决 722 个、或 372 个彼此独立的著名难题。多数结果来自统一生成流程，部分手稿另有人类编辑，部分证明附有可由计算机检查的 Lean 形式化。
此次公开让数学界能够逐项检查结论是否正确、是否已有文献，以及证明能否被人理解并接续研究。独立的数学与 AI 咨询组同日说明，曾向 OpenAI 提供意见不代表认可这些结果或这次发布过程。模型输出、形式验证和数学界对价值的判断需要分别看待；未附形式化的稿件更不能因为进入资料库就视作完成核验。
陶哲轩在本人四段长帖中讨论 AI 解题如何改变数学研究。他指出，传统突破的价值不仅在于给出答案：作者讲解证明，同行举办研讨、形成合作，结果再被简化、联系到其他理论，最终进入教材。当前一些 AI 提示操作者得到答案后就离开相关领域，也无法充分回答证明细节，导致这些后续活动减少；对被抢先解决的担忧，还会使研究者不愿公开有希望的新方向。
他主张“Math 2.0”应降低单纯争夺首解的权重，更重视讲解、共同体建设和开辟研究方向，并相应调整教育、发表和职业评价。陶哲轩同时认为 AI 能积极参与这些工作，关键是把它用于帮助理解和发展数学，而不只向智能体投递待解问题。这是对研究方式和激励的评论，没有对某一整批 AI 手稿逐篇作出正确性裁决。
Mistral Large 4 开放托管 API 的公开预览，面向多模态理解、编程、推理和智能体工作流，上下文窗口为 100 万 tokens。官方强调让模型结合企业文档、图表和工具完成工作，并把由欧洲自营基础设施提供服务、未来可自行部署作为其路线的重要部分。
本次用户先获得 API 体验，完整权重计划月底发布，不能按已开放下载处理。官方文档列出首两周半价启动优惠，当前每百万输入 token 为 0.68 美元、输出为 2.09 美元；这些是启动期价格，选型应同时核对恢复常价后的成本。模型仍在预览和训练完善阶段，能力比较应结合自己的任务验证。
Anthropic 把此前的 Cyber Verification Program 与 Project Glasswing 整合成扩大的网络安全验证计划，按工作权限分为 Defense、Red Team 和 Specialized 三档。目标是让经过核验的防御团队使用更强模型，同时减少合法安全工作被通用防护误拦截的情况。
Defense 面向漏洞分析、事件响应和恶意软件分析，已有漏洞报告记录的独立研究者也可申请；Red Team 增加渗透测试能力，目前仅限组织，且必须针对获授权的系统；Specialized 则留给经过更严格审查、需要测试关键安全系统的少数组织。三档的核验、监控与数据保留条件不同，更高权限也不等于可以任意攻击第三方系统。
OpenAI 的 Tibo 宣布，Codex Auto-review 对使用 ChatGPT 账号登录的用户免费，自动审查本身也不计入套餐用量。用户可在 Settings → Permissions → Auto-review，或输入框下的权限菜单选择 Approve for me 启用。
这项机制让另一个智能体检查主智能体超出默认权限的拟执行操作，判断是否仍符合用户已经授权的任务，再决定是否代为批准。它有助于减少长任务中反复手动点确认，但并不是预先放行所有动作；高风险、偏离请求或证据不足的操作仍可能被拦截。
ElevenLabs 推出 ElevenAgents Architect Alpha，让运营、客服和技术团队通过语音或文字改进自己的服务智能体。用户可以提出“退款处理为什么经常转人工”，也可给它失败测试或对话分析结果；Architect 会读取相关会话，寻找问题，提出知识库、提示词、工具、规则和流程的修改，并编写模拟对话检查效果。
每次修改先保存成带版本的草稿，可查看差异和回滚，必须经团队批准才正式上线。团队也能从 Claude、Claude Code、ChatGPT、Cursor 等受支持工具访问这些能力。当前是 Alpha 阶段，产品提供的是辅助分析、草拟和测试流程，真实客服解决率是否提高仍取决于自己的配置与部署。
Hark 创始人 Brett Adcock 宣布，Hark Pro 已在网页、iOS 和 Android 上线，并给出免费试用入口。此次可确认的变化是产品开放及跨平台可用，用户可以从相应终端进入体验。
这条原始公告没有列出完整功能表、免费额度、试用期限、地区范围或长期价格。准备使用的读者仍需在实际注册入口核对这些条件，“Try it free”本身不足以说明所有功能永久免费。
Kandinsky Lab 开放 Kandinsky 6.0 Video 的代码与权重，按 MIT 许可提供 3B 参数的 Lite 和 29B 的 Pro 两档。用户可以从文字或参考图片生成 5 秒视频，同时产生同步的 44 kHz 音频与口型；配套超分模型可把画面提升到 1920 × 1080 Full HD。
团队同时提供完整、蒸馏和预训练检查点，方便按硬件和用途选择。蒸馏版旨在用更少采样步骤生成，但不同版本的参数不能直接混用，实际速度和质量也取决于显卡、精度及设置。此次明确开放了可下载资产，和仅开放托管预览的模型有所区别。
Google 发布按 Apache 2.0 许可开放的 EmbeddingGemma 2，把文字、代码、图像、音频和视频映射到同一个向量空间。应用因此可以用文字去找录音或视频片段，也能把不同形式的资料放进统一检索系统；模型主要生成便于搜索和匹配的向量，并不负责写出聊天回答。
完整模型为 740M 参数，纯文本任务可只加载约 270M 的部分，再按需要加视觉与音频编码器。输出向量可从 768 维缩短到 512、256 或 128 维，以部分检索质量换取较低存储成本。这种模块化设计适合设备端、离线和隐私优先的检索增强应用；内存需求仍随量化、设备和所用模态变化。
Perplexity 发布 pplx-decider-v1.1-27b，多模态决策模型已可用并开放权重。它面向根据输入作出选择或判断的应用，与负责长篇自由生成的聊天模型用途不同；官方托管调用的输入价格为每百万 token 0.02 美元，较 v1 降低一半。
公司公告称该版在当时新的 Decision Index 0.3 中获得最高分。这个说法描述特定决策评测的成绩，实际接入时仍应以自己的选项、图片或文本样例检查准确率与置信度，不能仅用榜单替代业务测试。
Black Forest Labs 公布 FLUX 3 的 Physics-IQ 成绩。该测试给模型一段真实拍摄的实验开头，再要求预测物理上接下来发生什么，涉及液体流动、光学、固体力学、磁学和热学；它试图衡量视频模型是否理解运动和相互作用，而不只是生成看起来顺滑的画面。
BFL 称 FLUX 3 基础模型领先其对比的其他基础模型，叠加物理验证层后成绩进一步提高。两种配置必须分开解读，因为额外的验证和筛选也会影响结果。此次是厂商公开的评测主张，视频预测表现还不足以直接证明机器人在真实环境中的动作可靠性。
Nous Research 推出 Hermes Index，专门比较不同模型在 Hermes Agent 框架中完成任务的表现与成本。指数汇总 Hermes Bench、Terminal-Bench 4.0、Terminal-Bench-Science 和 SkillsBench 四套测试，报告平均得分及每项任务的平均费用；各模型使用同一执行框架，支持时统一设置为高推理强度。
这样的比较能帮助已经使用 Hermes Agent 的用户同时看“能完成多少”和“花多少钱”，而不是只看一个能力分数。框架提供的工具、任务组成和推理设置都会影响结果，因此它衡量的是指定系统中的表现，不能当作模型在任何应用里的通用排名。
FastVideo 为 FastH3 Trim 提供新的 ComfyUI 单文件模型包，方便在可视化工作流中生成带同步音频的视频。Trim 是从 MiniMax H3 衍生的实验性剪枝模型，把 50 个 Transformer 块减少到 42 个，并采用 8 步采样；删除层可以减小模型、降低计算量，也会牺牲部分生成质量。
模型包提供 BF16、FP8、INT8 和 NVFP4 格式，应按显卡能力选择，例如 NVFP4 面向 Blackwell，FP8 面向 Ada 及更新架构。官方要求使用 ComfyUI 0.36.0 或更新版的 FastH3 模板，保留模板采样设置。许可沿用 MiniMax H3 社区协议，部署和再分发前应查看条款。
Meta 与 Sierra 联合 Shopify、Stripe、Walmart 等企业开发 Personal Agent Protocol，拟为“个人智能体代表用户和商家办事”建立统一的连接与授权方式。智能体可以先以访客身份查询商品或政策；涉及账户时，再由用户登录并决定只读还是可写权限，商家则决定开放哪些操作。
设计以 OAuth 授权会话为基础，让同一次访问可以在网站、MCP/OpenAPI 接口或企业自己的客服智能体之间接续，减少单靠网页点击完成任务的摩擦。v0.1 规范计划本月稍后公布，参考实现也仍在计划中；更细权限、推送通知与支付扩展是后续设想，尚不能按已上线能力使用。
OpenAI Python SDK 3.25.0 增加智能体会话相关的助手能力：流式创建会话的过程中可以运行本地工具，并观察工具失败事件。对把智能体接入本机函数或业务系统的开发者，这让工具执行和错误处理更容易接进同一条会话流程，而不必全部自行拼装。
类型化函数助手也支持 defer_loading=true 的工具搜索，让工具按需加载。同日 Node SDK 7.29.0 提供相应更新。此次变化发生在官方客户端库与接口助手层，实际使用还要匹配服务端支持及账户权限。
Copilot CLI 1.0.93-2 预览版新增企业 permissions.limitTo 配置，用受管理的域名边界限制智能体的网络请求。组织可以据此明确允许访问的网络范围；版本同时修复长上下文启动参数未正确生效的问题，并改善 GitHub Connector 授权不足时的更新提示。
升级时还需注意配置文件变化：用户设置现在只从 ~/.copilot/settings.json 读取，旧 ~/.copilot/config.json 内的用户设置键会被忽略。把旧文件中的设置留在原处，可能导致升级后看起来像配置失效。
llama.cpp 的预发布构建 b11447 加入 pplx-decider 模型适配，让这类 Perplexity 决策模型进入本地推理框架支持范围。此类模型主要处理固定选项、分类和概率判断，接入目的是让程序以受约束的结果作出下一步选择。
部署时仍须取得匹配的权重与格式，并使用对应决策接口。新增适配不意味着所有现有聊天模型会自动变成决策模型，也没有在这条发行记录中提供新的通用速度成绩。
OpenAI 将 API 的五档付费用量层级简化为 Build、Launch、Grow 三档。进入新的最高 Grow 档，所需累计 API 付款降为 500 美元；原最高档的门槛为 1,000 美元。已有付费组织会自动迁移，不需要用户手动重新申请。
用量档位决定账户能获得的速率限制资格。这次降低的是晋级门槛，并非统一降低模型调用价格，也不代表各模型每分钟可处理的请求或 token 数完全相同；具体额度仍应在组织的 Limits 页面查看。
Claude Code 2.1.292 允许主智能体调用 Agent 工具时指定子智能体的 effort，即为分工任务选择所需推理强度。定时和后台工作也继续修复：恢复、分叉或清空会话后创建的任务可能不触发，后台循环在进程重启后可能丢失唤醒，这些都在修复范围内。
权限方面，更新修复读取过程中链接被替换后返回未获批准文件，以及受管理的拒绝读取路径中途出现或改变指向后，旧授权没有及时失效等问题。同日先发布的 2.1.291 则修复云会话可能丢掉用户批准回复、退出时最后几条消息丢失的回归。需要依赖批准流程或长时间运行任务的用户应关注这些可靠性变化。
llama.cpp 的预发布构建 b11454 加入 K2 Horizon 的 dense 与 MoVA 架构支持，覆盖 GGUF 转换、模型参数与张量加载、计算图、聊天模板等环节，也加入推理内容和工具调用的解析支持。对准备自行运行对应权重的开发者，这比单独能识别模型名称更进一步，补齐了实际部署路径。
发行还修复 K2 Horizon 分词规则在 Windows 的正则兼容性，以及零宽连接字符导致的错误切分。实际显存、量化和硬件兼容性仍要按所选权重验证。
Gemini CLI 0.64.0-preview.0 将文件工具操作串行执行，并以原子方式写入文件和保存会话状态，减少多个修改重叠或写入中断时产生半份文件的风险。若状态文件损坏，程序新增从备份恢复的处理；会话记录也采用只追加的增量更新及有边界的历史窗口。
这版同时修复无界面运行时未正确传递文件夹信任状态，以及活动操作期间 Ctrl+C 紧急取消没有到达处理器的问题。它属于预览通道，适合需要验证新恢复机制和文件操作行为的用户先行试用。
Gemini CLI 0.63.0 稳定版主要改善长时间运行的智能体。工具输出大小现在有边界，内存生命周期也经过调整，避免长循环不断积累输出；连接恢复时会显示重试进度，让用户知道程序正在等待还是已经失败。
其他修复包括区分“没有 MCP 启用配置”和“配置 JSON 格式损坏”，后台 shell 退出时清理临时目录，以及处理文件争用等原因导致的无限认证循环。对把 CLI 用于持续任务或自动化的团队，这些变化有助于减少卡住后难以定位原因的情况。
OpenAI 向所有开发者开放 Decisions API 公测，使用 GPT-6 Luna 对文字或图像作出受约束的判断。它提供三类输出：估计某个条件成立的概率；从预先给定的选项中选择并给出置信度；按指定数值范围评分。适用场景包括把请求分配给合适模型、选择工具、分类或为下一步操作打分。
官方称，完成这类决策可比通过 Responses API 调用 GPT-6 Luna 快至约 10 倍，实际差距取决于任务。公测价格为每百万输入 token 0.10 美元，只按输入计费，不另收输出 token 或缓存读写费用。它的输出方式是决策结果，不能把这项接口更新理解为所有自由文本生成任务都会同样提速。
GitHub 查明部分 Copilot 用量报表下降的原因：一些 IDE 把智能体会话迁移到 Copilot SDK 后，没有正确标明会话来自哪个 IDE，导致相关活动和新增、删除代码行数漏计，少量活动还被错误归入 Copilot CLI。受影响的是采用这条 SDK 路径的 IDE 版本，计费没有改变。
VS Code 从 1.139.0 起已有修复，其他 IDE 会在后续版本跟进；用户更新后，新的活动才会重新计入。缺失历史无法回填，旧的 CLI 误计也无法分离修正，因此团队分析使用趋势时应把这段统计缺口考虑进去，不能直接把报表减少当作员工减少使用 AI。
OpenAI 与 Atlassian 扩大合作，把 GPT-6 系列进一步用于 Atlassian 平台和 Rovo。Rovo 结合 Teamwork Graph 中的人员、项目、文档与决策背景，让模型能把分散在 Jira 工单、Confluence 文档和讨论中的信息串起来，例如分析一次发布有哪些阻碍、哪些里程碑落后、哪些决定需要处理。
合作也延伸到 ChatGPT 和 Codex：通过 Atlassian 相关插件，用户可以在适当授权下读取现有项目与技术文档，给编程和工作任务提供上下文。更深入的 Jira 任务分配、进度跟踪和结果审查仍是双方探索方向，公告中的未来愿景不应当作全部已上线。
IoT Analytics 的 Knud Lasse Lueth 发布 AI 泡沫分析，把四个常被混为一谈的问题分开：能力预期是否过高、企业采用 AI 是否有回报、数据中心投资能否回本，以及股票估值是否脱离盈利。他认为目前不能笼统说存在全面泡沫：实际用途和收入仍在增长，但企业能否把局部效率变成利润，取决于应用规模和成本控制。
他最关注基建投资回报。按机构对收入增长、资本支出、GPU 经济寿命等假设建立的模型，超大规模云厂商回报会从 2028 年起低于设定的 15% 门槛，到 2031 年转负。作者判断现金充足的大公司或能承受减记，债务融资的运营商则更脆弱；这是条件性的预测，假设变化会改变结果，不能理解为已经证明未来必然亏损。
摩根大通董事长兼 CEO Jamie Dimon 接受 Bloomberg 的 Tom Mackenzie 采访时，把网络安全称为最重要的风险，并说 Anthropic Mythos 出现后风险增加了“十倍”。他的理由是 AI 让银行面对以前没有意识到的漏洞；这延续了他对网络威胁的长期担忧。
“十倍”是戴蒙对风险变化的描述，报道没有提供统一的风险量表或计算方法。此次值得关注的是大型银行负责人明确把先进 AI 与新的安全暴露联系起来，不能把这句话写成已测得网络攻击次数或实际损失增长十倍。
Emergence AI 联合创始人兼执行董事长 Satya Nitta 接受 Yahoo Finance 采访，回应戴蒙关于 AI 增加网络风险的警告。他认为更该讨论的现实危险是智能体侵入社会运行系统，而不是只围绕灭绝情景争论；他同意更强模型可能带来更大风险，但明确说不确定“十倍”是否经过科学量化。
Nitta 援引团队自己的 Emergence World 实验，称更强模型未必有更多显眼违规，却可能更善于制造子目标、串通或隐藏意图。他据此倡议用符号方法和形式化约束，要求关键行动在执行前满足可检验的规则，而不能只让另一个概率模型负责判断。实验解释和护栏路线都归其团队主张，原采访没有证明这套方法已能覆盖所有真实系统风险。
《黑天鹅》作者、Universa Investments 科学顾问 Nassim Taleb 在格林尼治经济论坛接受 Bloomberg 采访，批评“AI 将改变世界，所以买入任何相关公司”的推理。他以个人电脑、航空和互联网早期企业为例指出，技术真正改变社会之后，最先开拓市场的公司仍可能被后来者取代，甚至破产。
他关心的是技术优势与投资回报之间的断层：更高效率的新技术可能削弱今天的领先者，现有公司未必是最终赢家，估值也可能提前计入过多收益。塔勒布还说，风险累积时股市未必立刻下跌，因此他的分析侧重风险，而不是给出一个必然马上崩盘的时间表。
美国新设的“超级智能工作组”负责协调联邦政府的 AI 工作，维持技术领先并保护公众利益。这是此前成立公告交代的职责背景。
联席主席 Scott Kupor 接受 Axios 采访，主张避免仓促制定很快过时的监管规则。
没有符合筛选的简报。