🧮 OpenAI 一次性公开 722 篇机器生成的数学论文

周二晚间，OpenAI 在一个公开的 GitHub 仓库中发布了 722 篇论文，整理为 372 组数学结果，内容覆盖数论、代数几何与理论计算机科学，全部由公司未公开的内部模型生成（OpenAI、Scientific American、WSJ、New Scientist）。OpenAI 表示一共向模型投喂了大约 4000 个问题。已公布的成果包括：四维 Kakeya 猜想的解决、若干计算机科学核心算法的改进，以及在黎曼猜想上的实质推进——这些进展涉及剩余五个千禧年大奖难题中的三个。

规模本身容易描述，难的是消化。真正让这次发布显得怪异的是成本曲线。上个月的轰动成果——关于 Navier–Stokes 方程的证明——出自一个约 10000 个智能体的协作集群和数百万美元算力。而一位 OpenAI 发言人对 Scientific American 表示，这一批结果里几乎每一篇都来自一次提示、交给单个 AI 智能体。OpenAI 自己的说明称，仓库里包含 10 份模型推理过程摘要、以 ChatGPT Pro 用量表示的算力估算，以及尝试问题的统计，平均每项结果消耗约相当于三小时 ChatGPT Pro 思考量（HN 讨论帖 1025 分）。同一仓库中还有一篇独立的**「低于 n log n 的整数乘法」预印本**。

争论的焦点如今落在验证上。许多结果已经在 Lean 中通过检验——Lean 是逐步验证证明逻辑正确性的证明助手——Scientific American 认为这些结果几乎可以确定是正确的。但伦敦帝国理工学院的 Kevin Buzzard 统计了自己领域相关的约 30 篇论文，发现其中只有一篇在 Lean 中完成了形式化验证：已核实与看似合理之间的分界，目前就是这么小的一个数字。数学家们将花上数月判断这些证明是否包含新想法，还是多为既有技巧的重组；批评与赞扬同样响亮——菲尔兹奖得主警告说，让机器产出淹没一个领域，有可能侵蚀这门学科的目的本身，而 OpenAI 在数学家群体中「宣称大胆、披露极少」的名声也在加剧怀疑。OpenAI 称其参考了一个顾问委员会上周依据数百位数学家反馈所发布的发表指南，其自身措辞相当谨慎：「AI 如何支持数学理解，前面还有难题。」

🐈 Mistral 开放 le Chonk：1 万亿参数，权重承诺本月放出

Mistral 上线了 Mistral Large 4 的公测预览——正式名 ML4，非正式名 le Chonk——这是这家法国公司迄今最大的模型：总参数 1 万亿、激活参数 490 亿，原生多模态，采用专家混合（MoE）结构（Mistral、VentureBeat、Silicon UK）。API 已在 Mistral Studio 开放，权重将于本月底放出。算力细节带欧洲色彩：ML4 从零开始训练，使用的是 Mistral 自建数据中心里的 3800 块 Nvidia Grace Blackwell GPU，预览也由同一套基础设施提供服务。

Mistral 的表述由基准数据支撑，但相当具体：它称 ML4「与全球最强开源模型处于同一水平」，同时「显著优于任何在美国或欧洲开发的开源权重模型」，并称其在网络安全、金融与法律等企业关键任务上在开源模型中达到最先进水平，视觉定位（grounding）则是它宣称直接超越闭源前沿模型的唯一类别。VentureBeat 提到一个外部交叉检验：ML4 在 Harvey 法律智能体基准上达到 15% 的任务通过率；Mistral 联合创始人 Guillaume Lample 把这代模型视为流传已久的 Le Chaton Fat 梗的早期版本——更大的模型显然还在路上。在权重放出之前，这个模型在做一件不太寻常的事：与网络安全机构、受审合作方和政府主管部门一起红队测试，这些对象拿到的是同一个模型，但审核更宽松、攻击性网络能力更强。

在 OpenRouter 上只有一个新端点 mistralai/mistral-large-4-0，提供 524,288 token 上下文，价格 $0.68 / $2.09 每百万 token，缓存输入为 $0.07 每百万 token。其 Hacker News 发布讨论获得 519 分。

🔍 EmbeddingGemma 2 把多模态检索放进手机

Google DeepMind 发布了 EmbeddingGemma 2：一个 7.4 亿参数的嵌入模型，把文本、代码、图像、视频帧与音频映射到同一个 768 维空间，采用 Apache 2.0 许可（Google DeepMind、Google Developers、Hugging Face）。第一代仅支持文本的 EmbeddingGemma 下载量已超过 2000 万次；这次是同一思路扩展到四种模态，并建立在 Gemma 4 架构之上。

设计是模块化而非单体式。2.7 亿参数的文本核心（1.3 亿主干加 1.4 亿嵌入器）足以支撑纯文本应用；视觉模块另加 1.7 亿，音频模块另加 3 亿，因此只有在应用需要时，体积才会从约 4.4 亿升到 7.4 亿参数。在 Pixel 11 Pro 上量化后，纯文本权重占用约 191 MB 活跃内存，全模态约 567 MB。Matryoshka 表示学习允许开发者把 768 维向量截断到 512、256 或 128 维再重新归一化，最多可减少 六倍存储；Google 开发者指南称在 256 维时，图像、视频与语音检索仍能保留约 95% 的完整质量。上下文窗口为 8K token，是第一代的四倍，单次可处理约 5.5 分钟音频、29 张图像或 58 帧视频。涨幅最大的基准是代码：MTEB Code 从 68.76 提升到 78.68，涨了 9.92 分。

模型卡里也有两点提醒。权重现已发布在 Hugging Face 与 Kaggle，serving 端支持 transformers、sentence-transformers、MLX、vLLM、llama.cpp、SGLang、Ollama 与 LM Studio——但这是一个仅经过预训练的嵌入系统，没有后训练对齐，也没有输出层审核，Google 称其安全工作集中在预训练数据过滤，应用需要自行添加防护。该发布在 Hacker News 获得 363 分，并在上线当天就出现在热门榜中。

📉 Dalio 说泡沫已近，裁员照旧到来

在新加坡举行的 Forbes 全球 CEO 大会上，Ray Dalio 称这轮 AI 投资热潮是一个「典型的泡沫」，并认为市场正接近它破裂的时刻（Business Times、Bloomberg）。他给出的机制是借债成本：AI 投资中有很大一部分靠债务融资，涨幅集中在少数超大盘股，而全球债券收益率已升至数十年高位——于是建设数据中心与芯片产能的融资成本上升，恰好发生在收入仍只是承诺的阶段。「我们处在那个阶段之前，但正在接近，」他说，「我认为已经很近了。」同一场圆桌上，淡马锡 CEO Dilhan Pillay 警告说，过多资本集中投向 AI 基础设施可能推高整个市场的资本成本，同时把自己的做法描述为持续过程而非一次性押注。背景并非假设：2026 年全球与 AI 相关的债务发行规模预计将突破 5000 亿美元。

这种冷静情绪在招聘上已经显现。路透社报道称，随着投资转向 AI，企业正在裁员；**《金融时报》**报道 汇丰（HSBC）计划在其英国财富管理业务中因 AI 推进而削减岗位。IMF 的 Kristalina Georgieva 警告，能源冲击、债务上升与 AI 风险叠加正威胁全球增长；旧金山联储主席则表示 AI 需求可能延长这轮能源冲击。与此同时，市场自己对泡沫问题的回答恰恰相反：在持续的 AI 押注下，美国股市收于历史新高；而微软与英伟达在同一周登上旧金山舞台，向消费者推销智能体的未来。

💊 犹他州让 AI 开处方，华盛顿改掉了技术的名字

犹他州授权了美国首个由州监管的路径，允许 AI 在无人逐案复核的情况下开具初始处方，其背后的初创公司 Nolla Health 本周开始招募患者（LA Times、SiliconANGLE、Dallas Express）。Nolla Derm 应用要求填写 10 到 15 分钟问卷并拍摄五个角度的面部照片，AI 会给出数值化的痤疮严重度评分，再从 8 种获批外用药物中选药——维 A 酸、外用复方螺内酯、烟酰胺、阿达帕林、克林霉素加过氧化苯甲酰、过氧化苯甲酰与壬二酸——月费 4.99 美元。口服药、激素疗法与异维 A 酸被排除在外；怀孕、哺乳、免疫抑制、既往药物反应、重度痤疮或图像质量不佳都会触发硬性拦截，转交真人医生。

分阶段上线才是真正有趣的部分，因为它就是监管者的实际政策。第一阶段：两位犹他州执业医师在处方送达药房前逐份复核每一张 AI 处方。只有在试点运行至少四周、治疗至少 100 名患者、与医师一致率至少 95%、未漏掉任何必需的安全拦截且没有严重不良事件之后，且需监管方进一步批准，AI 才能直接提交处方。第三阶段在累计 750 名患者后，把常规复核降为每月抽取至少 10% 的样本，但每一例不良事件与升级案例仍必须由医生处理。10 月 6 日犹他州公开的试点页面仍把示范期标为「尚未开始」，而 Nolla 已开始邀请患者入组，因此自主开方阶段是否真正启动并不明确。这个州此前也有先例：更早与 Doctronic 合作的 AI 续方试点招致犹他州医疗许可委员会 4 月的信函——委员会称事前未被咨询，并主张「续方需要医师授权是有原因的」——州政府的回应是保留试点，并从获批药物清单中移除两种药。美国医学会 6 月通过政策，主张 AI 应支持而非取代医生的判断。

同一个 24 小时里还有两个信号。美国司法部指示员工在多数场合下使用 「super intelligence」（超级智能）而非「artificial intelligence」（人工智能），包括在法庭上；据路透社看到的备忘录，这一指令来自代理常务副司法部长 Trent McCotter，而此前一周总统特朗普签署了相关行政令，并另任命国家情报总监 Jay Clayton 担任 AI 事务负责人，领导一个名为 Super Intelligence Force 的工作组（Reuters）。此外，一起针对麦当劳的全国性集体诉讼指控该公司通过一套由 AI 驱动的定价系统，在近 14000 家门店的非公开数据基础上训练算法，从而在加盟店与直营店之间非法协调菜单价格——以算法方式违反反垄断法；麦当劳表示加盟商自行决定定价（Reuters、The Guardian）。路透社/益普索 9 月 30 日至 10 月 5 日的民调显示：57% 的登记选民认为特朗普政府在 AI 风险上重视不足或完全不够，54% 对国会持同样看法，84% 认为 AI 对美国劳动者构成威胁，跨党派多数支持更严格的监管（CNA）。

🆕 OpenRouter 新模型

按创建时间戳扫描，本期找到 2 个真正的新端点——这是四期以来第一个新模型板块——两者都在上次发布后数小时内上架：

模型 上下文 价格（输入 / 输出） 上架时间
mistralai/mistral-large-4-0 524,288 $0.68 / $2.09 每百万 token 2026-10-06 13:42 UTC
google/gemini-nano-banana-2.1 65,536 $1.50 / $7.50 每百万 token 2026-10-06 15:33 UTC

Mistral Large 4 就是上文那个 le Chonk 预览，端点上标出缓存输入 $0.07 每百万 token，且没有公布下线日期。Gemini Nano Banana 2.1 则是更小也更奇特的一个：65K 上下文、图像加文本模型，图像输出按 $30 每百万 token 计费，联网搜索按每千次 $14 计费——它的经济性取决于任务里有多少是像素而不是文字。

📊 快讯

  • OpenAI 过了一个「智能体基础设施日」。 除了那批数学论文，它还开放了 Decisions API 公测——一种把智能体决策策略托管编码的方式，在 Hacker News 拿到 346 分——并发布了 《Advancing computer use with Ironclad》（Decisions API、OpenAI）。
  • 一个由 AI 设计的开源 AI 加速器。 FeSens/openTPU 的 RTL 主要交由 AI 生成，在 Hacker News 拿到 309 分——这是目前「模型开始写硬件而不是软件」最清晰的产物之一。
  • 小型决策模型正在成为一个品类。 AWS 的 Strands Agents 发布 Decider 2B：一个 20 亿参数的开源模型，用来判断智能体的下一步工具调用应当放行、拒绝、请人确认还是给出引导——把护栏层做成模型而不是规则引擎（219 分，Strands）。
  • 韩国银行入侵事件继续发酵。 WSJ 报道黑客使用了一个中国 AI 工具攻击这些银行，路透社报道总统李在明称 AI 智能体似乎被使用——这是昨日「七家以上机构、逾 68000 人受影响」报道的后续（Reuters）。
  • 微软与英伟达发布智能体笔记本。 Satya Nadella 与黄仁勋在旧金山发布 Surface Laptop Ultra：15 英寸 mini-LED、最高 128GB 内存，基于英伟达与联发科共同设计的 RTX Spark 芯片，最多 20 个 CPU 核心搭配 Blackwell GPU，AI 性能最高 1 petaflop。分析师对路透社表示，关键未知数是价格（内存短缺之下）以及本地运行的智能体能否被约束住（Reuters）。
  • Google 把 AI 推向游戏创作。 Google 与 Unity 宣布共建 AI 游戏平台，Google 也开始让用户直接用 AI 做游戏（The Verge、Google Cloud）。
  • Meta 的 Muse 登上榜首。 CNBC 称这款助手已是同类中下载量最高的应用，接下来要从新鲜感变成习惯；WSJ 则专访了它背后的高管（CNBC）。
  • 智能体可能让银行损失 5000 亿美元。 《金融时报》称原因是智能体会替储户争取更好的利率——这是少见的对智能体摧毁而非创造价值的估算（FT）。
  • 华盛顿为科学买算力。 政府将获得 1 亿美元算力额度用于一项联邦 AI 科学计划（Politico）；Danaher 表示将于 2027 年开设由 AI 驱动的自主研究实验室，路透社还报道 AI 公司正在用虚拟药物试验提高真实试验的成功率。
  • 本期还有： Anthropic 向更多安全团队开放其最强模型；澳大利亚议员就入侵事件质询 OpenAI 官员；Sierra 推出 Personal Agent Protocol；一位开发者在 Hacker News 上称 GitHub 一个月来拒绝下架其软件的破解副本，获 345 分。

⏰ OpenRouter 限时免费模型

仍需保留这个说明：OpenRouter 的 expiration_date 字段标记的是一个有公布下线日期的列表条目，并不等于免费。采集器返回 10 个带下线日期的端点，其中真正免费的为 0 个；对 API 的完整扫描找到 31 个带日期端点，其中 3 个真正免费。

模型 上下文 价格（输入 / 输出） 下线日期
poolside/laguna-s-2.1:free 262,144 $0 / $0 — 免费 2026-10-31
poolside/laguna-xs-2.1:free 262,144 $0 / $0 — 免费 2026-10-31
dots-studio/dots-3-note-preview:free 512,000 $0 / $0 — 免费 2026-12-31
baidu/ernie-4.5-vl-424b-a47b 123,000 $0.42 / $1.25 每百万 token 2026-10-08
qwen/qwen3.6-max-preview 262,144 $1.03 / $6.16 每百万 token 2026-10-09
qwen/qwen3-coder-plus 1,000,000 $0.65 / $3.25 每百万 token 2026-10-09
qwen/qwen3-vl-235b-a22b-thinking 131,072 $0.40 / $4.00 每百万 token 2026-10-09

下线日期集群如今是这一节最有价值的部分，而本期的两批就在眼前。10 月 8 日下线百度的 ERNIE 4.5 VL。10 月 9 日就是明天，会一次性带走横跨 15 个端点的整个 Qwen 区块，从 8B 视觉模型一直到 Qwen3 235B、Qwen3 Max、Qwen3 Max Thinking 与 Qwen3 Coder Plus。10 月 20 日清空整个 Gemini 2.5 家族共 5 个端点。10 月 31 日下线 4 个 poolside 条目（含上面两个免费版），11 月 11 日标注 3 个字节跳动 Seed 模型，12 月 31 日则标注 Z.ai 的 GLM 4.7 与 4.5 以及免费的 dots 预览。:free 免费货架目前共有 16 个端点，其中 3 个带日期，也就是说有 13 个完全没有下线日期——低于一天前的 16 个无日期端点：促销活动的到期速度快于替补上架的速度。

🤗 HuggingFace 热门

采集器的新上传列表连续第 33 轮全是零下载测试仓库，因此本节改用 Hugging Face 官方趋势榜。

Google 的新嵌入模型上线当天就有热度。 google/embeddinggemma-2 已到 7,562 下载 / 787 赞——对一个上线仅数小时、而榜单按累计下载排名的模型来说并不寻常，也说明边缘部署工具链一直在等它。

决策模型双子继续复利增长。 autotrust/JEV-27B-VL 达到 1,529,210 下载 / 1,467 赞，点赞一天内上涨 69%；兄弟模型 autotrust/GEV-26B-Decide 到 895,867 / 986。曾长期停在零的 laya 线索连续第三步上台阶：convaiinnovations/laya 为 28,497 下载 / 5,316 赞，不过下载倍数已放缓到约 1.4 倍。

人们实际在下载什么：

⭐ GitHub 热门：AI 专题

采集器给出的 5 个条目本期全部不在时间窗口内——已连续第 22 轮——创建日期分别是 10 月 2 日和 3 日。本节因此改用经 API 逐个核验、且创建时间落在窗口内的仓库；窗口内的高星仓库很薄，而且榜首大多与 AI 无关：

  • sisyphuslabs/omo-dori-mode-experimental — ⭐49。一个常驻的即时通讯智能体，负责启动、跟踪并关闭编码智能体会话，以 Agent Skill 形式打包给一个名为 herdr 的终端复用器。它是本期窗口内排名最高的 AI 仓库，本节也已是连续第四轮由 Agent Skill 领跑。
  • sun168567/cc-desk-tunnel — ⭐24。一个桌面客户端：在云端驱动 Claude Code，却通过反向隧道在本机 Windows 上执行——针对「智能体凭据究竟放在哪」这个小而锐利的一种回答。
  • orange2ai/podcast-to-article — ⭐17。一个 Agent Skill，把多人对谈播客的逐字稿整理成可发布长文，并内置一道去除机器腔的自检流程。
  • hey345437-boop/futuresearch-gateway — ⭐16。用 Go 把某个异步深度研究 API 包装成 OpenAI 兼容端点，附带号池、按租户额度面板以及两个 MCP 服务。同一窗口里还有另一个仓库为不同后端做几乎一样的事——这就是当天的命名规律。
  • karminski/karminski-design-skills — ⭐15。一份个人 UI 设计 Skill 合集，采用非商业许可——这是「从共享提示词转向有许可、可署名的设计资产」的一个小例子。

关于这批仓库的三点说明。第一，按星数排序的原始窗口内搜索结果，榜首是与 AI 无关的仓库：一个 macOS 截图工具 ⭐238、一个用 Rust 重写 TypeScript 编译器的项目 ⭐165，以及一个面向 macOS 的英伟达驱动 ⭐126——都不是 AI 工作，所以本节是手工枚举而不是照排名抄。第二，有单一账号在约三小时内发布了五个洁净室、纯 Rust 重写版：Word、Excel、PowerPoint、AutoCAD 与 Pro Tools（storytold/wordcraft 及同类），这里把它当作一个推广性集群而非五个条目。第三，诚实的底线：窗口内 AI 仓库没有一个超过 50 星，而一天前的数字是 299。

采集器的新仓库列表本期是 5 个窗口外重复项，因此改为从 GitHub 搜索 API 取候选，并逐个核对其 created_at。

💡 关键趋势

  1. 机器数学已经跑在评判它的机构前面。 OpenAI 一夜之间发出 722 篇论文——超出任何数学家能读完的量，产出来自一个公司外部无人能调用的模型，而且披露说几乎全部来自单次提示、单个智能体。瓶颈已从「产生结果」转移到「验证结果」，而一个无法以生产速度完成验证的领域，最终只能依靠声望或形式化证明来信任结论。只有后者算标准，这也是为什么 Lean 的那个数字最重要：相关论文 30 篇，验证 1 篇。
  2. 开源权重前沿出现了一个前沿算力规模的欧洲竞标者。 Mistral 用自建数据中心的 3800 块 Grace Blackwell GPU 训出一个 1 万亿参数模型，并把结果明确框定为「主权」叙事：优于任何美国或欧洲的开源权重模型，以网络、金融、法律为证明点。最值得注意的细节是红队安排——网络安全机构和政府部门在公众拿到权重之前，先拿到同一个模型，且审核更宽松、攻击性网络能力更强。
  3. 泡沫讨论和 AI 资本开支讨论，现在是同一个讨论。 Dalio 说这轮周期已接近在债务融资与收益率上行下的破裂点；路透社与《金融时报》在同一个 24 小时里报道由 AI 投资推动的裁员；IMF 把债务、能源与 AI 风险一并警示。与之对立的是：美股处于历史新高，微软和英伟达整周都在向消费者推销本地智能体。两件事可以同时为真，这正是接下来两个季度值得看的原因。
  4. 监管者选择了试点与措辞，而不是禁令。 犹他州的分阶段沙盒——100 名患者逐份医师复核、一致率 95%、之后每月抽 10% 样本——是允许 AI 开处方的一个真实模板，其审慎程度让司法部「说 super intelligence 而不是 AI」的指令显出本来面目：一个命名政策，站在尚未到来的监管政策的位置上。选民似乎也注意到了：57% 认为政府在 AI 风险上重视不足，54% 对国会持同样看法。

今日数据

  • OpenRouter： 最近 24 小时有 2 个真正的新端点——Mistral Large 4（524,288 上下文，$0.68 / $2.09 每百万 token）与 Gemini Nano Banana 2.1（65,536 上下文，$1.50 / $7.50 每百万 token）。这是四期以来第一个新模型板块。
  • 限时免费模型： 3 个带下线日期的真免费（两个 poolside Laguna 条目 10 月 31 日、dots-3-note-preview 12 月 31 日）；采集器列表含 10 个折扣端点，免费 0 个；完整 API 扫描找到 31 个带日期端点；:free 货架共 16 个端点，其中 13 个无到期日，低于昨天的 16 个无日期端点。Qwen 的 15 端点区块明天到期，百度 ERNIE 4.5 VL 在前一天。
  • HuggingFace： 采集器的新上传列表连续第 33 轮是垃圾数据，因此改用官方趋势榜；google/embeddinggemma-2 在上线当天以 7,562 下载进入榜单，autotrust 决策模型双子继续复利增长。
  • GitHub： 采集器列表 5 个全部在窗口外（连续第 22 轮）；改用 5 个经 API 核验的窗口内 AI 仓库，均未超过 50 星；一个由单一账号发布的五仓库推广集群和原始搜索榜首的非 AI 仓库均按形态排除。
  • 模型与资本： OpenAI 用单次提示发布 722 篇机器生成数学论文，触及剩余千禧年大奖难题中的三项；Mistral 开放 Large 4（le Chonk），1 万亿参数，权重本月内放出；Google 以 Apache 2.0 发布 EmbeddingGemma 2；Ray Dalio 称泡沫接近破裂，而美股创历史新高。
  • 安全、法律与监管： 犹他州授权美国首个 AI 开处方试点，采用分阶段医师复核；司法部要求员工在包括法庭在内的场合说 super intelligence 而非 artificial intelligence；麦当劳因 AI 定价面临全国性集体诉讼；路透社/益普索民调显示 57% 选民认为政府在 AI 风险上重视不足。