阿里雲預計 2027 至 2028 年中國算力最緊缺,訓練優先用平頭哥、推理採用多款國產晶片
阿里巴巴預計 2027 及 2028 年是中國算力最緊缺的兩年,阿里雲 2027 年後以平頭哥國產晶片為主,旗艦晶片優先用於訓練,推理則會盡量採購不同晶片。阿里已在平頭哥晶片上訓練下一代千問(Qwen)模型,下一代平頭哥晶片預計於 2027 年第 1 季全面支援超大規模模型訓練。公司尚未交代外部雲端客戶的晶片配額或價格安排,並初步評估 2032 年全球數據中心規模超過 20GW 的目標可能下調。
阿里巴巴預計 2027 及 2028 年是中國算力最緊缺的兩年,阿里雲 2027 年後以平頭哥國產晶片為主,旗艦晶片優先用於訓練,推理則會盡量採購不同晶片。阿里已在平頭哥晶片上訓練下一代千問(Qwen)模型,下一代平頭哥晶片預計於 2027 年第 1 季全面支援超大規模模型訓練。公司尚未交代外部雲端客戶的晶片配額或價格安排,並初步評估 2032 年全球數據中心規模超過 20GW 的目標可能下調。
OpenAI發布反蒸餾報告,公開以四層防線防止模型推理內容被抽取。報告稱,公司每週封禁數千至數萬個相關帳戶;模擬測試中,GPT-6.2 Astra 被套取上一輪受保護推理的成功率由 GPT-6 Astra 的 54.0% 降至 0.2%,本輪推理則由 22.9% 降至 0.9%。GPT-6.2 Sol 已全面部署這套防護,舊版 GPT-6 Astra 正在修補。
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。
OpenAI 公佈 GPT-6.2 Astra 和 GPT-6.2 Sol 的 API 防護措施,將受保護推理與產生它的對話歷史綁定,以限制未授權蒸餾。若較早訊息被改寫,API 會移除其後的受保護推理;防護亦包括對抗訓練、輸入與輸出分類器,以及限制推理跨對話和模型重用的 API 規則。
Anthropic 數學家 Levent Alpöge 公開 14 個 Lean 壓縮檔案,聲稱與 Claude 合作完成黎曼猜想的形式化證明。他沒有發表完整論文,而是將證明拆成 14 個壓縮檔案;若整理成載有全部細節的文檔,篇幅會超過25萬頁。Lean 能檢查形式化推導,但外部研究者仍須確認代碼能否完整編譯、使用了哪些公理,以及最終定理是否確實等價於黎曼猜想。
姚順雨與騰訊混元團隊在 Reddit AMA 表示,下一代 Hy 模型規模將顯著擴大,並規劃推出小模型。Hy4-mini 已列入路線圖,Flash-Lite 亦在規劃中;團隊正考慮 24B 至 31B 稠密模型及更小的圖像模型,但未確認 1.5 萬億至 2 萬億的參數量猜測,亦未公佈具體發布時間。
Thinking Machines Lab(TML)以 Apache 2.0 許可開放 Inkling 2 Mini 權重;模型總參數為 26B,支援文字和圖像輸入,最大上下文窗口為 100 萬 token。
數學家 Alessandro Masullo 公開一份聲稱證明廣義黎曼猜想(GRH)的 940 頁手稿《The Music of the Primes》,作者稱研究歷時近 12 年,完全未使用 AI。
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。
Anthropic 數學家 Levent Alpöge 聲稱與 Claude 合作找到黎曼猜想及廣義黎曼猜想的證明,並公開分為14個壓縮檔的 Lean 形式化證明材料。外部數學家仍需檢查檔案能否完整建構、是否依賴未經證明的假設,以及程式中的定理是否真正對應黎曼猜想。
推薦理由:報道交代了形式化證明材料的公開方式和外部核對重點,呈現機器可檢查的程式與數學界確認證明之間尚有的審查環節。
Anthropic 數學家 Levent Alpöge 聲稱與 Claude 找到黎曼猜想及廣義黎曼猜想的證明,陶哲軒表示數學界梳理核心思路並驗證正確性仍需時間。逾 25 萬頁文字證明未有公開,現有材料包括 4 頁説明,以及分成 14 個壓縮包、合共約 1,700 萬行的 Lean 形式化程式碼。克雷數學研究所規定解答須在同行評審期刊發表,並經至少兩年驗證及獲數學界普遍接受,才可進入獎金評審程序。
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。
Anthropic 研究員 Levent Alpöge 宣稱與 Claude 完成黎曼猜想及廣義黎曼猜想的證明;該成果目前只是個人宣稱,未經同行評審,Anthropic 亦未公開背書。
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 加強 GPT-6.2 Astra 和 GPT-6.2 Sol 對受保護推理內容的防護,以降低其他模型提取其推理過程的風險。內部測試中,GPT-6 Astra 原有防護下,此前請求推理內容的提取成功率為 54.0%,GPT-6.2 Astra 更新防護後降至 0.2%;針對當前請求則由 22.9% 降至 0.9%,數據匯總 6 個攻擊模型的結果。
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。
Anthropic數學家Levent Alpöge宣稱,他與Claude已證明黎曼猜想,並在個人網站公開Lean程式碼,而非論文。程式解壓後有 175187 個 Lean 檔案、1737 萬行程式碼;數學家及 Lean 社羣正着手編譯和檢查,文章發出時尚未有驗證結果。Alpöge表示,部分論證由Claude在他不熟悉的領域完成,他也計劃理解和簡化證明。
作者比較 Ollama 與 llama.cpp 的本地模型輸出後指出,若把推理和答案合併計算,重複率未必反映用戶實際讀到的答案。Ollama 合併輸出的句子重複率由未調校時的 76% 降至 6%;但 llama-server 分開測量時,答案在所有條件下均為 0%,重複主要出現在推理。
OpenAI 加強 GPT-6.2 Astra 和 GPT-6.2 Sol 對受保護推理內容的防護,以降低未經授權蒸餾提取推理過程的風險。在涵蓋 6 個攻擊模型的內部自適應黑盒紅隊測試中,此前請求推理內容的提取成功率由 GPT-6 Astra 原有安全機制下的 54.0% 降至 GPT-6.2 Astra 更新機制下的 0.2%,當前請求則由 22.9% 降至 0.9%。
《經濟學人》報道提出,AI 可能已解決數學中最重要的問題。討論串提及廣義黎曼猜想相關的證明主張、另一份人類證明,以及後續討論和核查連結。
AWS 的 Agent Toolkit for AWS 提供分散式 KV 快取 Skill,可由編碼智能體協助評估及設定自託管 LLM 共享快取。Amazon ElastiCache 的分散式 KV 快取可將自託管 LLM 推理成本最多降低 40%,並將首個 token 時間(TTFT)最多縮短 80%。
Anthropic數學家 Levent Alpöge 聲稱與 Claude 找到黎曼猜想的證明,但主張尚未經獨立驗證或獲數學界認可。他公開的是分成14個壓縮包、約1700萬行的 Lean 形式化證明文件,並表示方法可推廣至廣義黎曼猜想。他亦坦言尚未完全掌握證明涉及的全部數學內容。
推薦理由:文章梳理了形式化文件、獨立驗證與數學界認可之間的差別,並交代這項主張尚需經過哪些檢查。
OpenAI 推出 MedChemBench 基準測試,評估 AI 模型在藥物化學研究中的推理能力;基準包含 99 道題目,取自 117 篇論文與專利,涉及 761 個分子結構。
Anthropic 數學家 Levent Alpöge 聲稱,他與 Claude 合作找到黎曼猜想的證明,並表示方法可推廣至廣義黎曼猜想。他公開約1,700萬行 Lean 形式化證明文件,但尚未有公開的完整獨立驗證結論,Anthropic 亦未公開為其主張背書。Alpöge 亦坦言尚未完全掌握證明涉及的全部數學內容。
OpenAI 發佈 MedChemBench,評估 AI 模型在藥物化學領域的推理能力。基準包含 99 道題目,涵蓋 761 個分子結構;GPT-6.2 Astra 在 xhigh 檔取得 84.5% 可用分,結構重建得分為 95.4%,化合物篩選與數值預測則僅約 50%。OpenAI 指出,基準反映模型應用歷史知識的能力,不等同於真實新藥發現能力。
作者藉助編碼智能體在 AWS F2 FPGA 上運行三值權重 LLM,經多輪優化將速度由 6.43 提升至 213.13 tokens/s,達到基線的 33.13×。
Anthropic 數學家 Levent Alpöge 稱,他與 Claude 合作找到黎曼猜想及廣義黎曼猜想(GRH)的證明,公開材料包括一份 4 頁説明及分裝於 14 個壓縮包、約 1700 萬行的 Lean 形式化程式碼。
Baseten 推出基於 Google Gemma 4 的 bison-1 和 groundhog-1 決策模型,兩者支援 128k 上下文及文字、圖像輸入,並以開放權重提供。
Anthropic 數學家 Levent Alpöge 稱,他與 Claude 合作找到黎曼猜想及廣義黎曼猜想的證明;公開材料包括一份 4 頁説明,以及約 1700 萬行 Lean 形式化代碼。陶哲軒初步分析後表示,數學界梳理核心思路並驗證正確性仍需時間。即使 Lean 代碼通過編譯,相關解答仍須在同行評審期刊正式發表,並經至少兩年驗證及數學界普遍接受,才可能進入克雷數學研究所的獎金評審程序。
Anthropic 數學家宣佈與 Claude 合作完成黎曼猜想及廣義黎曼猜想(GRH)的證明。文中稱 Claude 貢獻關鍵推導,並生成超過 25 萬頁文字證明及 1,700 萬行 Lean 形式化程式碼;目前只公開 4 頁説明與壓縮程式碼包。陶哲軒等學者指出驗證需時;克雷數學研究所要求成果經同行評審發表並經兩年公認期,目前尚不符合提交資格。
Anthropic 數學家萊文特·阿爾波格稱,他與 Claude 合作找到黎曼猜想的證明,並將證明編寫成 Lean 程式碼。他亦稱證明涵蓋範圍更廣的廣義黎曼猜想;報道指出,若成果獲確認,將影響大量以該猜想成立為前提的數學結論。
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。
Anthropic 員工兼數學家 Levent Alpöge 稱,他使用非公開版本的 Claude 花約六星期撰寫出黎曼猜想的詳細證明;證明是否正確尚未獲確認。這份以數學證明檢查語言 Lean 寫成的證明超過 250,000 行,數學家 Terrance Tao 表示,核實工作仍需一段時間。報道亦提及 OpenAI 早前公佈的 AI 數學成果仍未確認,學者批評企業宣傳此類成果可能損害數學研究。
Anthropic 數學家 Levent Alpöge 宣稱,他與 Claude 找到黎曼猜想及廣義黎曼猜想的證明,並公開 Lean 形式化程式碼;目前尚未經專家核實。
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。
Anthropic 研究員 Levent Alpöge 聲稱,他與 Claude 合作證明瞭黎曼猜想及其廣義版本。他尚未公開論文,但已發布以 Lean 撰寫的證明版本,文件有數百萬行程式碼;他稱完整證明超過 250,000 頁。Anthropic 尚未就此發布官方公告。
Thinking Machines Lab 推出開放權重模型 Inkling 2 Mini,參數規模為 26.4B。模型會讓中間層對每個 token 循環三次,以用更少 token 提升推理能力。
Thinking Machines 發佈 Inkling 2 Mini,一款開放權重循環 Transformer MoE 模型,總參數量為 26B、活躍參數量為 5.4B。