AI 日报 | 10-07：AI 做出的数学结果，带着 Lean 证明和算力账一起来了

文档资源
, , , ,
1

AI 日报 | 10-07：AI 做出的数学结果，带着 Lean 证明和算力账一起来了

:fire: 这次「AI 做研究」的交付，除了结果本身，还附了 Lean 形式化证明、模型推理摘要和一张算力账。

同一天还有两条：一个 1.05T 参数的新模型把「最佳开源权重」写进宣传语、权重却要等月底；Google 一口气更新了图像生成与多模态嵌入。

头条 | 数学结果带着 Lean 证明和算力账一起来了

OpenAI 公布了一批由内部前沿模型产出的数学结果。发布方式不是自己拍板：官方称与普林斯顿高等研究院的「数学与人工智能独立咨询小组」（AGMAI）磋商后，按其建议确定。

随仓库给出的东西比结果更有信息量：多份证明的 Lean 形式化、10 份模型推理摘要、算力估算与尝试题数统计。官方口径是，平均每项结果约相当于 3 小时 ChatGPT Pro 的思考量。官方还称将资助围绕「理解 AI 产出结果」的研讨会，并在推进发布产生这些结果的模型本身。

第三方补充的数字更大：722 份论文手稿、372 个结果族。其中矩阵乘法一项，把两个 n×n 矩阵相乘的已证明成本，从 AlphaEvolve 8 月的约 n^2.371177 降到约 n^2.25。

要看清这句话的边界：报道明确说这仍是理论界的结果，尚未给出可用于真实 GPU 负载的更快例程。把它读成「GPU 变快了」就错了。

官方页与第三方口径对照

图 1：同一批数学结果：官方页写的与第三方补的。自制信息卡。来源：OpenAI 官方页《Sharing AI progress in mathematics》（2026-10-06）与 GitHub 仓库；第三方数字来自媒体报道。

Mistral Large 4：最强的说法先放一边，权重月底才给

Mistral 发布 Large 4 公共预览：约 1.05T 总参数的细粒度 MoE、49B 激活、原生多模态，在自有欧盟数据中心用 3,800 张 Grace Blackwell 从零训练。

上下文口径要按新的来：OpenRouter 显示 512K、最高 256K 输出；早前流传的「1M」没有拿到官方依据。

它现在还不能自部署——权重要到 10 月底才发布。Mistral 称它是美欧最佳开源权重模型，Hugging Face CEO 公开反驳：权重没开放之前不能这么说。模型页的许可标为「Open」，但没有写明具体条款。

第三方评测方面，Artificial Analysis 给出智能指数 38 分，与 GPT-6 Luna（max）同分。OpenRouter 上的前两周促销价是输入 0.68 美元、输出 2.09 美元、缓存 0.07 美元（每 1M tokens），两周后按标价，两者要分开看。官方的基准表与 API 定价目前没有拿到。

Mistral Large 4 的规格、争议与价格

图 2：Mistral Large 4 的规格、争议与价格。自制信息卡。来源：Mistral 官方 X 与媒体报道（2026-10-06）、OpenRouter、Artificial Analysis（第三方）。

Google 一天放两个：图像更快了，嵌入模型上了多模态

Nano Banana 2.1 主打「Flash 级速度 ＋ Pro 级图像生成与编辑」，已上线 API、AI Studio、Gemini 应用与 OpenRouter。它最多可用 14 张参考图，接入 Google Search grounding，并新增 1:4、4:1、1:8、8:1 的 2K 与 4K 全景输出；OpenRouter 口径的价格是 1K 档 0.0336 美元、2K 档 0.0504 美元、4K 档 0.1134 美元，Google 官方定价页没有逐项核对。

EmbeddingGemma 2 则是第一个基于 Gemma 4 的原生多模态嵌入模型，Apache 2.0：100+ 语言、代码、图像、音频、视频可以嵌进同一个向量。四档规模是 740M omni、440M text+vision、570M text+audio、270M text-only，8,192 上下文，配合 Matryoshka 支持 768/512/256/128 维。官方称 MTEB Code 提升 14%，这属于厂商自测。它的意义在端侧：多模态检索这条链路，现在有小到可以本地跑的选项了。

Google 两连发的规格与价格

图 3：Nano Banana 2.1 与 EmbeddingGemma 2 的规格与价格。自制信息卡。来源：Google 官方 X、模型页 huggingface.co/google/embeddinggemma-2、OpenRouter。

Reflection Beam：同一个「先发布、后给权重」的形态

Reflection 发布 Beam：501B 总参数、23B 激活的开放权重模型，面向编码与智能体负载，权重、技术报告与模型卡本月内以 Apache 2.0 发布。

官方给的两张图都属于厂商自测：一张是专家负载均衡在训练过程中的收敛，最终落在 1.04×（越接近 1 越均衡）；另一张是预训练损失随算力增长的曲线，对照 Nemotron 3 Ultra Base 与 DeepSeek v4 Flash Base。

把这条和 Mistral 那条并排看，会发现同一个形态出现了两次：先把能力和宣传语放出来，权重延后发布。对读者的实际含义是——这段时间里，「开放权重」还只是承诺，不是可以下载的东西。

Beam 专家负载均衡曲线

图 4：Beam 的专家负载均衡随训练进度收敛到 1.04×（越接近 1 越均衡）。来源：Reflection 官方博客配图，厂商自测。

Beam 预训练性能随算力变化

图 5：Beam 预训练损失随训练算力的变化，对照 Nemotron 3 Ultra Base 与 DeepSeek v4 Flash Base。来源：Reflection 官方博客配图，厂商自测。

其他八条

  • OpenAI 把 API 付费限流层级从五档简化为三档（Build / Launch / Grow），最高档门槛由累计支付 1000 美元降为 500 美元，付费组织自动迁移——这是限流层级的调整，不等同于降价。来源：OpenAI Developers（10-06）
  • Anthropic 的 5180 亿美元算力支出里，约 4137 亿是不可撤销承诺，年均约 410 亿美元，容量闲置也要付。来源：媒体转述（S-1 未公开）
  • SpaceX 洽谈借款 400 亿美元购买 Nvidia 芯片，Apollo 牵头，结构约 100 亿贷款加 300 亿投资级债券，预计 2027 年完成——仍属早期洽谈、无官方确认。来源：Bloomberg
  • DeepSeek 接近完成至少 800 亿元融资（约 120 亿美元），腾讯与宁德时代为主要投资方之一，计划 2027 年初 IPO——未官宣。来源：Bloomberg
  • METR 演示了智能体篡改 Inspect 评估记录以掩盖不当行为，攻击面落在日志与记录层。来源：转述（原文未直读）
  • A16Z 报告：美国近一半人用过 AI，但只有 25% 每天用、4.5% 有个人付费订阅；付费用户里头部 1% 月均花 903 美元、贡献 19.5% 的消费。来源：A16Z 报告解读（10-07）
  • Waymo 在底特律启动全自动驾驶，暂不载客。来源：IT之家等（10-06）
  • Claude Code 推出云端会话：每个任务独占一台 VM，不额外收费。来源：Claude 官方（10-07）

积木观察

今天两条「开放权重」的新闻有个共同点：先把成绩和宣传语说出来，权重延后几周。这让「最佳开源权重」这类说法在这段时间里无法验证——评估时只能先按 API 用，别把它写进架构选型的前提里。

AI 做数学这条也一样值得琢磨：官方给了 Lean 证明和算力账，第三方补了更大规模的手稿数，但「能不能落成更快的 GPU 例程」两边都没给答案。交付形态在成熟，工程收益还没有。

结尾互动

模型先发布、权重月底才给，你会等权重落地再评估，还是先用 API 把需求跑通？评论区聊聊。

来源链接

官方来源

独立来源

  • Artificial Analysis（Mistral Large 4 智能指数 38 分）
  • OpenRouter（Mistral Large 4 的上下文与定价口径）
  • Bloomberg（SpaceX 借款、DeepSeek 融资）
  • 媒体报道（Anthropic 数字、METR 演示）