🔥 今日看点
- OpenAI 开源 722 篇数学手稿，宣称解出 90 个「世纪难题」：OpenAI 上线 github.com/openai/math，一次性放出 722 篇数学手稿/预印本，并宣称攻克了 500 个顶级公开数学问题中的约 90 个——其中排名最高的包括 Hilbert 第十问题（ℚ 上）、Unique Games、Anderson 模型扩展态、时空 Penrose 不等式、Landau–Siegel 零点不存在性、Baum–Connes、Hadwiger 猜想、玻色–爱因斯坦凝聚等，另含 Barnette 猜想 的完整证明。社区指出 Result 003「准黎曼假设（Quasi-Riemann Hypothesis）」 被数学家视为里程碑级发现。这直接冲上 Hacker News 榜首（291 分 / 250 条评论），被形容为「数学界的海啸」。
- Mistral 放出万亿参数「Le Chonk」，定档 10/27 开源：巴黎的 Mistral 启动 Mistral Large 4（ML4） 公开预览——总参数 1 万亿、激活仅 490 亿的稀疏多模态模型，内部代号 「Le Chonk」。它从零训练约两个月，用了 4000 张 Nvidia Grace Blackwell GPU、覆盖 160+ 种语言（含欧盟全部官方语言），主攻编码、网络安全、金融、制造与视觉 grounding。先经约三周测试，10 月 27 日发布模型权重（自定义 Mistral 许可）。这是西方开源权重重返前沿的标志性一战（HN 1558 分）。
- OpenAI 推出 Decisions API 公测：比 Responses API 快 10 倍：OpenAI 上线 Decisions API（public beta），用专用
POST /v1/decisions端点，对文本/图像返回类型化答案，比通用 Responses API 快约 10 倍——输入含predicate（返回 0~1 概率）、choice（返回固定选项）、score（按 rubric 打分）三类问题，用于内容分类、请求路由与优先级排序。目前仅支持gpt-6-luna，官方称数周内 GA（HN 113 分）。 - 谷歌 EmbeddingGemma 2：把「多模态嵌入」搬上端侧，740M 参数、Apache 2.0：Google DeepMind 发布 EmbeddingGemma 2——基于 Gemma 4 架构的原生多模态嵌入模型，740M 参数、Apache 2.0 商用许可，首次把文本、图像、音频、视频统一映射到同一嵌入空间。8K 上下文（上代的 4 倍）可处理 5.5 分钟音频 / 29 张图 / 58 帧视频；模块化设计让纯文本档仅需 270M 参数，配合量化在 Pixel 11 Pro 上文本档约占 191MB 内存。代码检索（MTEB Code）提升 9.92 分（68.76→78.68），直指本地代码库索引与编码 Agent 检索（HN 202 分）。
📰 模型与平台动态
OpenAI：开源 722 篇数学手稿，AI「攻数学」进入公开可验证阶段（10/6）
OpenAI 一次性公开 github.com/openai/math 仓库与722 篇数学手稿（preprints），宣称覆盖 500 个顶级公开数学问题中约 90 个的解。HN 讨论中，网友按榜单排位列出最高含金量成果：Hilbert 第十问题（ℚ 上）、Unique Games、Anderson 模型扩展态、时空 Penrose 不等式、Landau–Siegel 零点不存在性、Baum–Connes 猜想、Abundance、Hadwiger 猜想、玻色–爱因斯坦凝聚、二维纠缠面积律；此外还包含 Barnette 猜想（图论著名猜想）的完整证明。有人指出 Result 003「准黎曼假设」 在数学家圈内被当作里程碑式发现。评论区既惊叹「数学界的海啸早已开始」，也不乏对可验证性、复现性与证明严谨度的追问——「把成果一次性摆上台面，让同行逐篇审计」正成为 AI4Science 新的公开范式。
Mistral Large 4「Le Chonk」：1 万亿参数、49B 激活的开放前沿（10/6）
ML4 走稀疏架构路线：总参数 1 万亿、推理时激活 49B，延续「大容量、小激活」趋势。它从零训练约两个月，用 4000 张 Grace Blackwell GPU（Mistral 自有欧洲数据中心），覆盖 160+ 语言。相比上代 Large 3（675B/41B 激活、3000 张 H200），容量与硬件同步跃升。输入支持多模态、输出仍为文本（Lample 确认），主打软件工程、网络防御、金融分析、卫星/航拍影像、技术图纸与芯片设计；其中网络安全被定位为战略卖点——开放权重让安全团队可按自己的策略做代码扫描与防御测试，而不受闭源厂商审核口径牵制。先经约三周开发者/安全/政府测试，10/27 放出权重（自定义许可，API 定价未公布）。
OpenAI：Decisions API 公测，把「判断」做成一次快前向（10/6）
Decisions API 围绕三个字段设计：model（当前仅 gpt-6-luna）、input（共享证据）、questions（逐题的类型、指令与选项/档位）；响应返回 answers 数组。问题分三类：predicate（条件真伪概率 0~1）、choice（从固定集合选一）、score（按有序档位打分，取概率加权平均）。官方定位是分类内容、路由请求、排序优先级的低成本、低延迟「决策器件」，并明确**「数周内 GA」**。当 Agent 需要高频做「有界判断」时，一个比通用大模型快 10 倍的专用端点，正把「决策」变成基础设施。
谷歌：EmbeddingGemma 2 让端侧 RAG 升级为「多模态」（10/6）
上代 EmbeddingGemma 下载量已破 2000 万。EmbeddingGemma 2 基于 Gemma 4，740M 参数，Apache 2.0，把文本、图像、音频、视频映射进统一嵌入空间——可「用语音备忘录查视频片段」「用文本检索数小时录音」。技术上：模块化（纯文本仅需 270M，视觉编码器 170M、音频 300M 可选）、Matryoshka（MRL） 支持向量从 768 维动态截断到 512/256/128，最多省 6 倍存储；8K 上下文（4×）。配合 Gemma 4 可共用分词器与音频编码器，在同一条端侧管线里跑 RAG，总内存占用更低。「隐私优先 + 离线可用的多模态检索」，正在把端侧 Agent 的『眼睛与耳朵』补齐。
Anthropic：扩大 Cyber Verification Program，给防御者加档（10/6）
Anthropic 宣布扩展其 Cyber Verification Program（CVP）并新增访问层级：由于网络安全天然双用途（同一能力既能修漏洞也能被利用），通用模型（Opus 5.5、Fable 5.1、Sonnet 5.5）对高危网络能力有所限制；CVP 通过 Project Glasswing 与 CVP 两条通道为受信任防御者开放更强能力。此次测试了各档位的有效性，并援引 Booz Allen、Comcast 等合作方。「能力越强，如何让『好人』拿到、让『坏人』拿不到」——双用途治理正从模型内置拒绝，转向分层验证 + 合同化访问。
Anthropic：投 1 亿美元培训 1 万名工程师，补企业 AI 人才缺口（10/2）
Anthropic 宣布投入 1 亿美元，计划培训 1 万名工程师，以缓解企业级 AI 落地的人才缺口。此举与其企业前沿保障（Enterprise Frontier Safeguards）、以及 Barclays 等大客户规模化部署 Claude 的路径相呼应。当模型能力趋同，『谁能把模型变成可交付的工程能力』成为差异化关键，厂商开始亲自下场做人才供给。
🤖 Agent、产品与治理
Cohere：North 2 给企业 Agent 装上「预算 + 记忆」（10/5）
Cohere 的 North 2 直击两大痛点：花费失控与业务上下文缺失——据其引用的 VB Pulse 调查，21% 企业只能被动监控 Agent 花费，68% 企业近半年遭遇过因上下文缺失而「自信地答错」。更新包括：重构的编排 Harness（多步流程自主执行、关键决策留人）、可复用 Skills 与共享 Agent、跨会话 Memory、组织共享 Libraries；North Admin 提供角色权限、模型管控、按用户/Agent 的 token 花销与限额实时分析，以及按请求/速率的分级流控和预警阈值；安全侧扫描提示与响应中的 PII、检测提示注入，并以自主策略限定 Agent 动作、关键决策交人。已获 SOC 2 Type 2、ISO 27001、ISO 42001；模型/搜索/嵌入组件可替换以降低锁定。官方未公布性能基准与定价。
TwelveLabs：Pegasus 1.6 用「第一人称视频」喂饱训练数据饥渴的机器人（10/6）
TwelveLabs 发布 Pegasus 1.6，在 1.5 的视频描述与分段能力基础上，新增对第一人称（egocentric）视角视频的专门训练——此前版本对这类素材处理较差。它把工人/机器视角的录像转成带时间戳、可训练的标注材料：识别哪个动作、涉及哪个物体、哪只手在做、动作起止时间，并提供 五类工作流（拆分带标动作、生成详细字幕、质检、找出异常事件与重复、使用前标记敏感内容）。同时新增原生图像分析与更强的人/物识别，让静态图像走与视频同一套 API。CEO Jae Lee 直言机器人模型「极度数据饥渴」，遥操作数据「像是一个人配一台机器人」难以规模化。「把人类作业录像变成机器人可用的结构化数据」——数据标注，正是具身智能落地的隐形瓶颈。
Atlassian × OpenAI：加码合作但不押注单一模型，重建 MCP 服务器日调 1500 万次（10/6）
Atlassian 宣布扩大与 OpenAI 的合作（自 2023 年延续）：把 OpenAI 最新前沿模型（GPT-6 Astra、GPT-5.6 系列）接入 Rovo AI，并把 Atlassian 的企业上下文连到 ChatGPT 与 Codex。要点是**「这不是排他」——Astra 不会成为 Rovo 默认模型，Rovo 走内部 AI 网关在多provider间按能力/速度/成本动态路由。真正面向开发者与管理员的重头戏是重建的 Atlassian MCP 服务器**：日处理 1500 万+ 次调用，暴露 Jira/Confluence/Bitbucket/Loom/Goals 等 220+ 工具，官方称同等任务最多省 25% token，让 ChatGPT/Codex/Cursor/Claude 里的 Agent 在一次请求中横跨软件生命周期。治理上采用按用户权限、写操作分级、风险步骤二次确认 + DLP。「把系统之录（System of Record）的上下文做成可治理的 MCP 引擎」，正成为企业 Agent 的胜负手。
南韩：AI Agent 疑似被用于攻击本国银行（10/6）
据路透报道，南韩方面表示 AI Agent 似乎被用于入侵该国银行。这是**「自治 Agent 作为攻击工具」从假设走向官方定性的一次高关注度案例，与近期双用途治理、Agent 权限管理**的行业主线高度同步。当 Agent 能自主操作工具与账户，攻击面的边界正从「人写脚本」扩展到「Agent 编排」。
美国犹他州：允许 AI 独立问诊并开药，无需人类监督（10/6）
据 TechSpot 报道，犹他州将允许 AI 直接为患者问诊并开具处方，且无需人类监督——成为首个如此立法的州。这在 HN 引发激烈讨论。「高自主度 Agent 进入受监管的高风险场景」——合规与责任的真空，正被地方立法抢先填上。
🛠️ 开源与工具链
GitHub Trending（今日）
- morluto/rea（9,372 星，+2,956）——「用 Agent 逆向一切」：从应用行为一路深挖到原生二进制
- tester-army/e2e（6,313 星，+1,725）——面向 Web 与移动应用的下一代端到端测试框架
- DuarteSantos8/openGym（5,678 星，+1,419）——自托管的健身/自重训练追踪器，passkey 登录，「你的数据，你的服务器」
- boykopovar/AnyPS5（6,506 星，+949）——把 PS5 可执行文件自动移植到 Linux/Windows（已映射 87% 系统库）
- mattpocock/skills（278,129 星，+889）——「给真工程师的技能」，直接取自作者的
.agents目录 - msitarzewski/agency-agents（157,823 星，+623）——「一个完整的 AI 代理机构」：从前端巫师到 Reddit 社群运营，每个 Agent 都是有性格的专才
- earthtojake/text-to-cad（17,973 星，+619）——「给 Agent 装上 CAD 超能力」
- pbakaus/impeccable（77,684 星，+616）——「让你的 AI harness 更懂设计的『设计语言』」
- thedotmack/claude-mem（97,166 星，+534）——跨会话持久上下文：记录、AI 压缩、再注入，兼容 Claude Code/OpenClaw/Codex/Gemini/Hermes/Copilot/OpenCode
- ayghri/i-have-adhd（54,400 星，+326）——「阻止编码 Agent 把答案埋掉」的 ADHD 友好输出技能
- cathrynlavery/diagram-design（44,023 星，+228）——面向 Claude Code/Codex/Copilot 的编辑级图表设计（42 种图，纯 HTML+SVG，无阴影、无 Mermaid）
- deepseek-ai/DeepGEMM（8,692 星，+199）——DeepSeek 的清洁高效 GPU BLAS 内核库
榜单继续围绕 Agent 技能与记忆 / 逆向与结构化数据 / 本地优先工具 收束；「给 Agent 更强的技能、记忆与『眼睛』」仍是开源最卷的方向。
Hacker News 热榜交叉点（10/6~7）
- Sharing AI progress in mathematics（291 分）——OpenAI 开源 722 篇数学手稿（详见看点）
- Mistral Large 4（1558 分）——万亿参数 Le Chonk 公开预览（详见看点）
- Integer multiplication below n log n（24 分，github.com/openai）——OpenAI 的整数乘法下界进展，与数学成果相互印证
- OpenTPU – An open-source AI accelerator, developed by AI（216 分）——「由 AI 开发的开源 AI 加速器」
- EmbeddingGemma 2（202 分）——谷歌端侧多模态嵌入（详见看点）
- Decisions API is in public beta（113 分）——OpenAI 决策端点（详见看点）
- Claude Code’s suggested message feature: I think the real customer is the model（78 分）——「Claude Code 的『建议消息』功能，真正客户其实是模型」：一篇关于用 AI 采集人类反馈反哺模型的观察
- State of Devs 2026 survey results: developers are exhausted（24 分）——2026 开发者调查：开发者正在倦怠
- South Korea says AI agents appear to have been used to hack the country’s banks（9 分）——AI Agent 涉银行攻击（详见上文）
- Ask HN: Are there AI models for generating sounds based on a text and reference?——文本 + 参考音生成音效的可行性讨论
📌 一句话总结
今天的核心画面是**「AI 在『能力上限』和『可交付性』两端同时推进——一边用数学证明冲击人类知识的边界，一边把智能压成便宜、可治理的工程器件。」** 上限一侧：OpenAI 开源 722 篇数学手稿、宣称攻下 90 个顶级难题，Mistral 亮出万亿参数的 Le Chonk 并定档 10/27 开源，谷歌 EmbeddingGemma 2 把多模态嵌入搬上端侧——前沿能力正被更快地开源、民主化与端侧化。落地一侧：OpenAI Decisions API 把『判断』做成快 10 倍的专用器件，Cohere North 2 给 Agent 上预算与记忆，Atlassian 把系统之录做成日调 1500 万次的 MCP 引擎，而 Anthropic 扩大网络验证计划、南韩曝出 AI Agent 涉银行攻击、犹他州允许 AI 独立开药，则同时提醒我们——当 Agent 既强又自主，真正的稀缺品不再是『能不能做到』，而是『谁能拿到、花多少、由谁在何时说停』。