8.0
热点
AI SCORE
技术实践2026-09-06 06:10
Claude 自主证明费马大定理，产出 1300 万行 Lean 4 代码
dev.to · AI#AI数学证明#形式化验证#Lean4
Editor brief · 编辑速览
Anthropic 让 Claude 在 11 天内生成经过 Lean 4 形式化验证的完整证明，涵盖近 3 万条定理，代码量五倍于 Mathlib，展示 AI 驱动形式化证明的工程可行性。
Claude 以 11 天、1300 万行 Lean 代码正式证明费马大定理——全程无人类捷径
Anthropic 于 9 月 4 日宣布，Claude 产出了首个经计算机完整验证的费马大定理证明，在 11 天内"基本自主"完成运行。此次研究由 Anthropic 研究员彭天翼发起，编写了约 1300 万行 Lean 4 代码——超过社区主要形式化数学库 Mathlib 体量的五倍——并证明了约 30,300 个辅助定理，其中 29,500 个出现在最终论证中。证明采用了 Darmon、Diamond 和 Taylor 对安德鲁·威尔斯策略的简化版本，仅依赖 Lean 的三条标准公理，并通过第二个独立的 Lean 内核实现进行了双重校验。完整产出物以 Apache 2.0 协议开源于 github.com/anthropics/fermats-last-theorem。作为参照：帝国理工学院 Kevin Buzzard 领导的社区团队自 2024 年起就在 Lean 中形式化同一个定理，已获资助至 2029 年，至今仍未完成。
这个项目的工程价值不亚于数学价值。Anthropic 表示，首个多智能体设置在几天后就出现了退化——智能体丢失项目状态并停止协调，约 7% 的代码行变成了非样板类失败——因此团队将工作迁移到 Prove2Me，这是一个将证明任务调度为依赖图的开放编排平台，外加一个基于 Claude Code 的工作流，能以数十个智能体并行运行。整个运行消耗了约 60 亿个来自内部研究模型的输出 token，规模与 Claude Fable 5.1 相当。Buzzard 在审查结果后称之为"非凡的自动形式化成就"，同时指出这对数学家已知的知识几乎没有增量贡献——价值在于 AI 现在能在数天内将大量文献转化为可机器验证的形式。对于构建智能体的人来说，这才是真正值得关注的要点：验证而非发现，才是真正产生杠杆效应的所在，一个锁定依赖项、可回放构建并有独立校验器的代码库，正是评判智能体产出工作的标准格式。
——Anthropic（官方研究文章）· GitHub · Techstrong AI
GPT-6 Astra 扩展至 Devin、Copilot、Codex 和 OpenCode——经济性数据现已由第三方衡量
发布两天后，GPT-6 Astra 不再是 OpenAI 的独角戏。Cognition 将 Astra 集成到 Devin Desktop、Devin CLI 和 Devin Cloud 模型组合中；GitHub Copilot 于 9 月 4 日向所有用户开放使用；Codex CLI 在 0.153.3 和 0.153.4 版本中将其加入 Amazon Bedrock 选择器并修复了导致其从捆绑选择器中消失的 bug；OpenCode 发布了两个补丁，使 gpt-6-astra 能正确解析 OpenAI 订阅用户身份。与常规发布不同的是，第三方基准测试以极快速度出现并框定了经济性叙事。Cognition 报告 Astra 在 FrontierCode 1.1 基准上得分为 64.5——高于 Claude Fable 5.1（63.6），与 Claude Fable 5 相差仅 0.4 分，且部署成本约低 64%。Perplexity 的 WANDR 研究智能体基准显示，Astra 得分 0.682，单任务成本 11.98 美元，为其记录到的最高分，比成本更低的 Fable 5.1 高出 13.5%。
但越过厂商数据看，局面更为复杂。Artificial Analysis 的 Coding Agent Index 显示，Astra 在 Codex 中的运行在最高投入下达 67 分——与 Fable 5 和 Opus 5 在各自测试框架中的得分持平——但在其 Intelligence Index 上，Astra 与前身打平为 61 分，落后 Fable 5.1 五分，且高端单任务成本是 GPT-5.6 Sol 的 2.5 倍。幻觉率减半（至 51%）被高端任务单次成本上升所抵消。基准测试方法论也很关键：Simon Willison 指出，Astra 标榜的 99.9% ARC-AGI-3 分数来自一个估计每次运行成本 19,000 美元的有状态 provider-adapter 测试框架，而默认框架下为 62.7%。对团队来说，实际启示是：模型选择正在成为每个主要智能体的标配，决定性因素正在转向可量化的单任务成本、测试框架质量以及随基准测试沉淀而切换模型的能力。
——Cognition（Devin 博客）· OpenAI · Artificial Analysis
GitHub 的 HydraFusion 不再选单一模型，转为按请求编排多个模型
GitHub 于 9 月 4 日在 GitHub Copilot CLI 中推出 Project HydraFusion 作为研究预览，通过 /experimental 标志向所有 Copilot 计划开放。与其将提示词路由至单一模型，HydraFusion 为每个请求构建执行计划并选择三种模式之一：Single，由一个模型完成任务；Cascade，由更便宜的模型起草，质量门决定是否升级；Critique，由来自不同模型家族的单路由只读评审者审查草案，再进行单一修订。HydraFusion 不收取额外费用——按各底层模型的标准 token 费率计费。GitHub 的五条运营原则（完整计量、有界执行、隔离评审、故障安全应用、经验证路由）是让多模型轮次在代码库上安全运行的朴素核心：评审者在无工具上下文中运行，无法修改代码，且若运行被取消或验证失败则不会应用任何补丁。
公布的数字讲述的是成本故事而非质量故事。在以 Claude Opus 5 为基线的受控离线评估中，HydraFusion 在 TerminalBench 2.1 上将验证任务质量提升 4.9 分，成本降低 67%，但在 DeepSWE 上落后 Opus 5 1.5 分，成本降低 36%，在 CheckpointBench 上基本持平，成本降低 65%。Nadella 同日为其背书，将其框定为从选一个模型到编排多个模型的转变。预览版目前仅处理第一轮、单一提示词任务。战略信号比数字更重要：如果此类路由成为常态， frontier 模型将变为专家，仅在请求的困难尾部被调用，定价权将从模型厂商迁移至控制路由层的实体。
——GitHub（官方博客）· GitHub Community · TechQuire
Shopify 基于 Slack 的智能体 River 在 11 天内将漏洞待办削减 70%
Shopify 工程博客详述了 River——其驻留于公司 Slack 的 AI 智能体——如何驱动漏洞修复直至关闭，而非止步于补丁生成。River 从 Shopify 单体仓库 World 的根部工作，复用与人类开发者相同的可复现开发环境和成文工程约定。其关键动作是对自身账本的怀疑态度：在触碰任何代码前，每个开放发现都会根据实时仓库、PR 和漏洞追踪器状态重新校验——这很关键，因为约三分之一的表面"开放"待办实际上已被修复或过时。对于真实问题，它在安全时更新补丁、拉取合适的工程师做产品行为决策、在交接后跟进工作，并在验证仓库 head 和合并后依赖关系图后才称漏洞已关闭。
报告的结果具体可量化：依赖工作流的前 11 天，开放待办下降约 70%——约三分之二为直接合并，其余以过时证据关闭——通过新鲜度门控合并队列的安全合并从约 10% 升至 80%。Shopify 强调了这一设计背后的不对称性：攻击者可以容忍失败尝试，但防御者必须在每次修复中保持生产行为，因此验证和合并比补丁数量更重要。River 是世界上使用最广泛的内置编码智能体之一——目前约每八个合并的 PR 中就有一个由其参与撰写。对其他安全团队可复制的经验不是智能体本身，而是运营循环：把智能体记忆视为待验证的声明，在修复前确认漏洞仍然存在，以合并数而非写出的补丁数来衡量修复成效。
——Shopify Engineering（官方）· AGI Hunt
Figure 通过 Nscale 锁定最多 100,000 块 NVIDIA Vera Rubin GPU——人形 AI 现已成为算力问题
Figure 于 9 月 3 日宣布与英国 AI 云提供商 Nscale 达成战略合作，部署覆盖最多 100,000 块 GPU 的 NVIDIA Vera Rubin 平台，初期算力承诺 35 亿美元，并有意扩展至超过 60 亿美元。初步部署目标为 2027 年下半年落地于 Nscale 位于德克萨斯州巴斯通的数据中心。Nscale 还对 Figure 进行了战略投资，双方将探索在人型机器人进入 Nscale 供应链中的应用。Figure 的理由直接："我们正在进入一个主要由训练 Helix 所需的数据和算力约束的阶段。"其众包训练数据计划 Index 约每秒生成 35 分钟的真实世界视频，且公司表示仅靠数据无法解决物理智能——需要算力将这股数据洪流转化为运动策略。
NVIDIA 的黄仁勋将这笔交易框为"物理 AI 飞轮"的激活：通过 Nscale 云在 Vera Rubin 上训练 Figure 的模型，在 NVIDIA Isaac Sim 中验证，然后部署在 Figure 机器人内部的 NVIDIA GPU 上。背景解释了规模：Figure 03 量产已超 350 台，今年从每两天一台提速到每小时一台，且公司公开与 OpenAI 分道扬镳，原因在于相信其内部 AI 团队已超越了这家实验室。Vera Rubin 于 1 月发布，集成 Vera CPU 和 Rubin GPU，声称推理 token 成本降低最多 10 倍，训练混合专家模型所需 GPU 数量比 Blackwell 减少 4 倍。机器人技术已达到一个临界点：约束不再是执行器——而是数据中心、电力和用于训练下一代具身模型的算力储备。
——Figure（官方）· NVIDIA（黄仁勋）· Unite.AI
Gimlet Labs 融资 3 亿美元、估值 30 亿美元——做跨任意芯片拆分推理的云
Gimlet Labs 于 9 月 4 日宣布完成 3 亿美元 B 轮融资，由 Andreessen Horowitz 领投，战略投资者 Arm 和微软 M12 加入， Sapphire、Menlo、645 Ventures、Factory、Hudson River Trading、Samsung Ventures、Tiger Global 等跟投。本轮融资后公司估值约 30 亿美元，距离其 8000 万美元 A 轮仅约六个月。Gimlet 的主张是：推理不再是一份工作：prefill 是计算密集型，decode 是内存受限型，而智能体工作负载将数十个模型调用、工具运行和 CPU 工作堆叠到对延迟敏感的循环中。其软件追踪模型执行，将其分解为阶段（prefill/decode、投机解码、attention-FFN），并将每个切片调度到最适合 SLA 的加速器——GPU、近内存 SRAM 计算、数据流芯片或 CPU——当容量满载时动态重新平衡。公司声称前沿工作负载快 3-10 倍，或在相同功耗 envelope 内吞吐量提升 5-10 倍，并表示月度 token 生成量 12 个月内增长 6 倍，模型已达到 3-10 万亿参数。
战略逻辑关乎电力，不仅仅是硅。Gimlet 表示 AI 数据中心 2025 年消耗约 18 GW，到 2030 年可能增至三倍，而 a16z 自身的框架是电力短缺——五家美国超大规模云厂商预计明年将在资本支出上投入约 1 万亿美元，而发电厂和晶圆厂仍落后于需求。公司报告自 3 月以来已有数十亿美元 contracted revenue，千兆瓦级数据中心管道，以及三大前沿实验室之一和三大超大规模云厂商之一作为客户。本轮赌的是：AI 基础设施的下一个瓶颈在于编排而非另一个同质化 GPU 大厅——Arm 和 M12 实际上是为一个将硅选择变为路由决策而非锁定的软件层买单，且 Gimlet 于 6 月加入 MLCommons 以推动与厂商无关的智能体推理基准测试。悬而未决的是执行力——混合芯片架构、散热配置和网络，正是故障开始发生的地方。
——Gimlet Labs（官方）· NewDecoded · AI2Work
韩国 8 月芯片出口增长 209%——AI 内存热潮现已体现在国家贸易数据中
据韩国产业通商资源部数据，8 月出口同比增长 68.7% 至 982.5 亿美元，连续第三个月超过 900 亿美元。半导体是引擎：芯片出口激增 209.0% 至 466.5 亿美元——创历史单月最高纪录，连续第三个月超过 400 亿美元，占总出口的 47.5%——受谷歌、亚马逊等超大规模云厂商持续 AI 基础设施资本支出支撑。IT 集群加剧了这一效应：计算机出口增长 419.5% 至 62.4 亿美元，企业级 SSD NAND 价格攀升，无线通信设备出口增长 21.2%，受 Galaxy S26 和 Z Fold 8 出货推动。贸易顺差达 347.5 亿美元，连续第三个月超过 300 亿美元，1-8 月顺差达 2025 亿美元，较去年同期增长 1622 亿美元。
其他地方的分化同样触目。汽车出口因暑假基数效应和部分罢工下降 29.8%，船舶出口因交付时间下降 45.9%——韩国产业部自身将此模式描述为"K 型"。按目的地划分，对中国出口增长 119.3% 至 241 亿美元，对美国增长 89.3% 至 165 亿美元，均由芯片和计算机驱动。数据印证了内存厂商一直在说的：SK 海力士 CEO 上周表示，AI 驱动的需求将使内存供应持续紧张至本十年末，比三星 7 月的预测晚两年。对任何追踪 AI 建设的人来说，国家贸易数据已成为一个有用的二阶信号，衡量训练和推理热潮已从模型实验室扩散到多远。
——韩国产业通商资源部（官方）· Korea JoongAng Daily · Macrostream
下一次摘要：2026 年 9 月 7 日