Claude 協助的黎曼猜想證明:獨立核查實際顯示甚麼
Anthropic 數學家 Levent Alpöge 表示,他相信自己與 Claude 找到了黎曼猜想的證明;Lean 與 Mathlib 社羣於 11 月 21 日公佈多項獨立核查,並對原始猜想證明的正確性表示充分信心。
推薦理由:文章拆解 Lean 與 Mathlib 對命題、編譯、定理對照及證明檢查器的核查,並區分形式正確性、數學理解與獎項審議的不同階段。
Anthropic 數學家 Levent Alpöge 表示,他相信自己與 Claude 找到了黎曼猜想的證明;Lean 與 Mathlib 社羣於 11 月 21 日公佈多項獨立核查,並對原始猜想證明的正確性表示充分信心。
推薦理由:文章拆解 Lean 與 Mathlib 對命題、編譯、定理對照及證明檢查器的核查,並區分形式正確性、數學理解與獎項審議的不同階段。
混元團隊在 Reddit 舉行 AMA,回應下一代模型規劃、遞迴自我改進(RSI)及安全等問題。兩小時問答收到 300 多條留言,團隊表示下一代 Hy 模型規模將進一步顯著擴大,RSI 能力仍處於早期階段。安全訓練側重防禦性任務,避免過度拒絕仍是重要改進方向。
OpenAI 與 Anthropic 的 AI 研究團隊近期提出多項千禧年難題相關成果,涵蓋黎曼猜想、ETH 與納維–斯托克斯等問題,但多項仍處於核驗或審查階段。七題中,龐加萊猜想仍是克雷數學研究所正式列為已解決的唯一一道;黎曼猜想出現完整證明聲明及核驗進展,納維–斯托克斯也有新解答主張。ETH 證否正在接受獨立審查;BSD 與霍奇成果限於特定範圍,楊–米爾斯質量間隙仍未解決。
姚順雨與混元團隊在 Reddit 舉行了持續 120 分鐘的 AMA,回答全球開發者近 100 個關於混元模型、架構、安全及開源的問題。這是混元團隊首次在開發者社區公開問答;團隊表示下一代 Hy 模型將擴大規模,並持續投入大規模強化學習。
METR 指出,AI 在編碼方面的能力受惠於編譯器和單元測試提供的明確回饋,但面對需要定性判斷的架構評估,RL 缺乏清晰的優化目標。AI 自行設計的評測工具沒有一套達到實際研究環境的使用標準,Opus 5.5 亦僅由明顯低於標準進步至接近高於標準。文章建議把有測試套件保障的執行工作交給 AI,架構判斷則保留人類審核。
Anthropic 數論學家 Levent Alpöge 稱,他與 Claude 合作發現黎曼猜想的證明,但主張尚未獲獨立核查。公開材料是以 Lean 4 編寫、分成 14 個存檔部分、約 17 million 行的形式化內容;目前尚無完整論文,Alpöge 也表示自己尚未完全掌握其中的數學。
Claude Opus 4.6 在深度推理、長上下文分析及技術工作方面表現突出,評測認為它適合重視這些能力的開發者。Claude 的上下文窗口為 200K tokens;Claude Sonnet 4 API 輸入價格為 $3/MTok,適合日常編碼。相較之下,ChatGPT 的多模態功能及外掛生態較廣,Claude 則在純編碼和技術分析方面更具優勢。
在 Anthropic 任職的數學家勒温特·阿爾珀格稱,他藉助 Claude 找到黎曼猜想及廣義黎曼猜想的證明;相關 Lean 程式碼已通過編譯,但數學界尚未正式接受這項結果。這份證明若轉成可供人閲讀的數學文本,超過25萬頁,Lean 程式碼長達1,700萬行;專家仍在核對猜想定義是否遭改動,以及是否利用 Lean 內核的未知錯誤。
DeepSeek為普通用戶的 App 及網頁版設限,文章認為退場的是免費無限量使用,而非免費 AI 服務本身。逾 7 天沒有互動的舊會話不能續聊,單次輸入上限約 4 萬字,每日用量亦設上限。文章並以豆包的分層付費和 OpenAI 在免費及低價 Go 檔加入廣告為例,分析 AI 平台調整免費服務邊界的不同做法。
AI Tokenomics 的核心矛盾是,Token 單價下降之際,企業 AI 總開支仍可上升,因為每項任務的 Token 用量和任務數量也在增加。Bain 數據顯示,2024 年 12 月至 2025 年 12 月,Token 成本減半而用量增加 450%,總支出約增至 2.75 倍。文章建議以用量預算、按任務難度選模型、快取及限制 Agent 執行循環來管理需求。
Levent Alpöge 與 Claude 協作提出的黎曼猜想證明候選,Lean 程式經 MIT 的 Andrew Sutherland 獨立編譯並通過,但尚未證明猜想成立。這套形式化包含 14 個檔案;下一步 comparator run 會核對定理陳述是否與數學界所指的黎曼猜想一致,並以多個獨立實作的核心重新檢查,文章撰寫時結果尚未公佈,同行評審亦未開始。
OpenAI 推出 MedChemBench 評測 AI 的藥物化學推理能力,GPT-6.2 Astra 在 xhigh 設定取得 84.5% 可得分數。基準涵蓋 99 道題目、117 篇論文及專利中的 761 個分子結構,測試模型根據已公開資料重建研究決策。分數不代表成功研發藥物的機率;模型能否發現新藥或改善實驗室決策,仍未獲證明。
OpenAI 一次過公佈 722 篇數學論文,涵蓋數論、幾何及理論計算機科學等領域,部分成果涉及困擾數學界多年的難題。文章指出,相關結果尚未經學術界同行審議,但 OpenAI 與 Anthropic 競逐數學研究成果的速度和規模,已令研究者憂慮課題、經費及就業前景。
姚順雨與混元團隊在 Reddit 舉行 120 分鐘 AMA,回答全球開發者有關混元模型、訓練、架構、安全及開源部署等問題。團隊表示,下一代 Hy 模型規模將大幅擴大,並持續投入大規模強化學習;Hy4-mini 已列入路線圖,Hy4 的 token 效率問題亦在優化。團隊亦談到 MoE 稀疏度、數據品質須以實驗檢驗、創意寫作與可讀性改進,以及繼續開源和推進 llama.cpp 適配。
Levent Alpöge 稱,他讓 Anthropic 模型證明廣義黎曼猜想,並產生 17.4 million lines Lean 程式碼。Scott Aaronson 指出 Lean 仍有 kernel bugs 等可靠性疑慮,但目前看不出這次證明利用漏洞,並傾向相信證明成立。他認為數學家仍須自行解釋、提煉並重構證明思路,而這可能需時多年。
推薦理由:文章一面梳理 Lean 形式驗證的可靠性疑慮,一面指出數學家仍須理解並重構證明思路,呈現 AI 證明獲接受所面對的兩個層面。
Levent Alpöge 於 2026 年 11 月 20 日表示,他相信自己與 Claude 找到黎曼猜想的證明,並提出解決廣義黎曼猜想的方法,但完整論證尚未獲獨立驗證。他將論證形式化為 Lean 程式碼並以 14 個壓縮檔發布,未附傳統論文式説明;生成版本超過 250,000 頁。文章指出,這項主張仍須接受獨立數學審查,並成功檢查已發布的 Lean 程式碼,才可視為黎曼猜想的解答。
文章綜述多項研究,認為過度依賴 AI 可能削弱記憶,以及離開 AI 後的寫作、學習和專業技能。MIT Media Lab 一項涉及 54 人的 2025 年研究中,83.3% 使用 ChatGPT 的參與者未能引述剛完成文章的一句;文中亦提到,使用 GPT-4 練習的高中生在考試中表現較差,而波蘭內視鏡醫生其後不使用 AI 時,癌前病變檢出率由約 28% 降至約 22%。
Stave 提供引擎無關的輸入格式,讓五種推理範式以同一份匯出資料進行推理,與採用單一推理範式的 AWS Compliance Mod 形成類別區分。試驗涵蓋 SMT、Datalog、ASP、Prolog 及機率模型檢查,五項規格修正後均通過;Prolog 和 Clingo 的盲測亦通過。
AI 在數學解題、證明及數學發現方面的能力迅速提升,正衝擊傳統研究模式與數學家的職業價值。鄧煜批評模型公司訓練時利用人類知識,卻以防止蒸餾為由不公開思維鏈,並引出研究透明度、成果歸屬及學術評價的爭議。受訪數學家認為,基礎數學教育仍有助培養嚴謹論證與獨立判斷,數學家的價值或更多轉向解釋、理解與表達數學結果。
2026年第三季度,全球 PC 出貨量按年下跌 20.1% 至 6270 萬台,但聯想、Apple、Dell 等頭部廠商業績仍有增長,文章將利潤支撐歸於 AI 伺服器和高端 AI PC。
文章比較六家 MCU 廠商在 NPU、向量單元與片上資源配置上的取捨,帶 NPU 型號的算力由 2.56 至 600 GOPS 不等。方案包括採用 Arm IP、自研加速器,或不配置 NPU 而側重定時器和模擬周邊;選型需按工作負載及工具鏈考量。模型若無法放進片內 SRAM,頻繁讀取 Flash 會削弱 NPU 的能效優勢。
AI 研究者主張,AI 下一步的擴展不應只靠增加訓練數據,而要建立能模擬現實的世界模型。JEPA 透過預測抽象表徵,學習世界結構而非表面細節;Sora 等影片生成模型則展現了從預測轉向模擬的早期跡象。未來成效將取決於模擬保真度及預測環境未來狀態的能力。
馬化騰將智能革命定調為關乎騰訊生死存亡的命題,騰訊正加快組織變革並加大AI及算力投入。騰訊第三季度自由現金流為負691億元,資本開支651億元;WorkBuddy日活超1000萬,年化收入突破5億美元。HY4正式版採用770B總參數、49B激活參數的MoE架構,已落地WorkBuddy、CodeBuddy、元寶等產品;文章指出,騰訊仍需把自用AI轉化為可售AI。
Western Sydney University 法律與新興科技講師 Armin Alimardani 分析 AI 對畢業生就業市場的影響,主張大學須培養學生與 AI 有效協作的能力。
Isomorphic Labs 宣佈完成 50 億美元 C 輪融資之際,從字節跳動分拆的 Anew Labs 亦完成首輪 20 億人民幣融資,兩家公司都同步推進 AI 模型與藥物研發。
一名有近20年機械行業經驗的作者提出大模型架構構想,以本地小模型把上下文分為L0–L4,再由算力路由分發拆分後的內容進行計算。方案亦設想對生成內容進行安全審查,最多打回3次;作者表示構想尚未證實,並歡迎專業人士驗證。
這份週報梳理 2026-11-12 至 2026-11-19 的 LLM 評測與可觀測性動向,指出評估焦點正由模型輸出文字轉向智能體的行動及其蒐集的證據。ViKernel Scanner 以 8 個模擬工具和 100 項攻擊檢查評估 20 個開放權重模型,全部得 D 或 F;中位數模型在 100 項檢查中有 40 項嘗試危險行動。
虎嗅文章根據騰訊第三季財報反駁項立剛「中國不缺算力」等説法,認為算力總量與可供前沿模型訓練的高效能算力不能混為一談。騰訊第三季資本開支為814.33億元,同比增527%;「預付款、押金及其他資產」由年初245.40億元增至1629.01億元,文章將其解讀為提前向供應鏈鎖定產能。文章亦指出,推理需求受顯存容量和頻寬影響,算力供應受限亦可能令混元下一個版本延後推出。
OpenAI 公佈數百道棘手數學問題的解答後,Caltech 教授 Sergei Gukov 與學生正從零打造專為數學解題設計的開源 AI 模型。Gukov 的多數模型目前只能解特定數學問題;相較之下,Anthropic 的模型可應對多個學科的數學提示詞,而通用模型仍在開發中。
妙投認為,AI 編程智能體可能降低 CUDA 遷移成本,加上推理算力轉向 ASIC、客戶分散採購,英偉達的定價權與長期毛利率或受壓。
妙投分析認為,AI 編程智能體降低晶片軟件適配門檻、推理算力比重上升及供應商多元化,正使英偉達的 CUDA 護城河與定價權面臨壓力。文章引述 Anthropic 在 IPO 路演披露,團隊藉助 Claude 約 3 天便把核心 GPU 算子移植至 AMD MI355X 並穩定運行,過去通常需數十名工程師耗時 6 至 12 個月。
西湖大學助理教授於開丞在專訪中指出,世界模型面向連續物理空間的狀態預測,與語言模型並非替代關係。他認為,機械人控制需要即時互動,而語言模型單是推理便要兩三秒,難以滿足實時要求。Awomo-0.5 有 40 億參數,在具身智能、物理世界理解等六個國際主流評測榜單登頂,程式碼和權重均已開源。
西湖大學於開丞在專訪中表示,通用語言模型再強也不能直接取代世界模型,因機械人控制需要即時回應物理環境。他認為語言模型擅長思維鏈,世界模型則面向連續物理空間的下一狀態預測,兩者用途與技術路線不同。Awomo-0.5 有 40 億參數,程式碼及權重全部開源,並在六個國際主流評測榜單登頂。
Cathie Wood在最新訪談中稱,AI推理成本每年下降99%,並預計美國實際GDP增速將由約3%升至2030年的7%、2035年的9%。她認為,AI帶來的生產力提升和軟件通縮可能壓低通脹,數據中心建設則能為地方社區帶來經濟收益。
Jev 於 2026 年 9 月推出後約八週內,六家廠商推出決策模型或 API,另有至少七個開源項目出現。文章比較 Jev、OpenAI Decisions API、Cloudflare Clef、Google Gemini Decision 1 等方案的輸入、速度、價格及開源程度,並指出部分獨立評測結果較廠商宣稱審慎。
推薦理由:文章將決策模型放入 Agent harness 的路由、閘控與完成檢查,並整理以真實案例、簡單基準和升級門檻驗證方案的做法。
國產晶片產業的競爭焦點正由融資轉向產品交付、持續迭代及客戶訂單分配,下一代客戶是否採用產品將影響企業的產業位置。凌川科技的SL200已售近10萬顆,其下一代AI影片生成晶片目標於2027年規模出貨;長鑫以G5及LPDDR6推進產品換代,長江存儲則把產品延伸至企業級SSD。
文章指出,GPT-6.2 Astra 的基準測試成績突出,但開發者反映其輸出難讀、會中途停下或在工作流程中途要求澄清,令測試表現與實際體驗出現落差。ARC-AGI-3 標準測試流程得分為 70.3%;使用 Provider Adapter harness 則達 100%,每次測試成本為 $4,112。
推薦理由:文章把 GPT-6.2 Astra 的基準分數、實際使用反饋與成本放在一起比較,呈現排行榜表現與開發者體驗之間的落差。
OpenAI 行政總裁 Sam Altman 在 The New York Times DealBook Summit 表示,人類應繼續掌控 AI 對世界及每個人生活的影響,反對逐步把決策權移交 AI。
生產環境不應把每項請求都交給最大模型,應先用小模型,再由評分器或路由器把需要的請求升級至大模型。FrugalGPT 在 HEADLINES 上以 GPT-4 五分之一的成本取得高 1.5% 的準確率;RouteLLM 在 MT Bench 上只把 14% 請求送往 GPT-4,達到 GPT-4 95% 的表現。成效取決於能否低成本判斷答案質素,流量分佈改變亦可能削弱路由表現。
加州理工學院數學教授倪毅表示,因難以判斷學生的家課是否由 AI 完成,他已改為只按有否交功課評分。另有外國媒體指聊天機械人的數學推理達研究生級數,但未交代涉及的模型或測試。加州理工據報沒有統一評核指引,部分課程則降低功課比重、提高現場考試的重要性。