跳转至

← X AI 日报

X AI 日报

日期2026 年 11 月 21 日 · 周六时间窗口2026-11-20 02:00 至 2026-11-21 07:50覆盖部分

1. AI 模型、产品与应用

同一天两份黎曼猜想证明声明:Alpöge 的 Lean 代码被独立编译,Masullo 的人类手稿仍在校订

北京时间 11 月 20 日,Anthropic 数学家 Levent Alpöge 在个人网站发布四页备忘录《Remark》,称他与 Claude 一起找到了黎曼猜想的证明,并称同一方法可推进到广义黎曼猜想。他没有发论文,只放了 Lean 形式化代码(14 个分卷);备忘录里写,把论证展开成可读文档“会有 25 万页以上”,所以“显然不适合贴出这种巨大、不可读的东西”,只提交 Lean。备忘录同时说明,其中 Claude 作为“专家”的部分是他对一段摘要的转述,“可能毫无意义”,以 Lean 为准。

这条是本窗口传播最广的 AI 相关消息:kimmonismus 的转述 571,470 浏览、5,924 赞、551 转发、234 回复、229 引用、1,045 书签;DeItaone 176,721 浏览、805 赞;AiBattle_ 44,672 浏览、330 赞;clashreport 27,366 浏览、511 赞;Cointelegraph 23,919 浏览、64 赞,正文写明尚未独立验证。日文账号 itnavi2022(35,059 浏览、101 赞)逐段翻译了备忘录。窗口内未检索到 Alpöge 本人的 X 原帖,也没有 Anthropic 官方账号的相关公告,热度全部经由转述账号。

同一天还出现了第二份声明。美国数学会主席、斯坦福数学家 Ravi Vakil 在博客发布斯坦福的年轻数学家 Alessandro Masullo 的广义黎曼猜想证明草稿,写明“全部由人完成,没有 AI”,Brian Conrad 已仔细看了几个月并给出大量反馈、“目前看起来不错”,并请人尽快检查、形式化。Conrad 对 Scientific American 表示,判断方法是否成立还需要更接近终稿的版本,论文正在“大幅修订”。X 上把两份声明并置的帖子互动很低,zhouruijin 只有 149 浏览、1 赞。

核验要分两层看。形式化这一层已有进展:据 Scientific American 报道,包括 MIT 的 Andrew Sutherland 在内的研究者已独立编译 Alpöge 的 Lean 代码,Sutherland 的说法是“Lean 证明已被编译,并由 Lean 内核独立复核,只用了三条标准公理”。但帝国理工的 Kevin Buzzard 指出还差一步 comparator run:确认代码里的定理陈述确实对应黎曼猜想,也不是在利用 Lean 内核的未知漏洞。数学这一层没有进展:没有人验证过论证本身,Masullo 的手稿连形式化都还没有。两份都只能记为“声称、待核实”。

判断:这条的真正变化不是“黎曼猜想被证明”,而是形式化验证被推到了这么靠前的位置——代码可编译是确凿的,定理陈述是否对得上、论证是否被人类理解仍是开放问题。把“编译通过”写成“证明成立”,或把同日两份声明写成“AI 对人类的决战”,都超出了现有证据。

Thinking Machines 发布 Inkling 2 Mini:26.4B 总参的循环 Transformer,32GB Mac 可离线跑

北京时间 11 月 21 日 04:10,Thinking Machines 官方账号 @thinkymachines 发布 Inkling 2 Mini:517,496 浏览、5,646 赞、562 转发、245 回复、369 引用、3,066 书签,是本窗口互动最高的产品发布。

按官方博客与 Hugging Face 模型卡,它是一个循环 Transformer:24 层权重分成四块,中间两块每个 token 循环三次,首尾各跑一次,等于 24 层权重产生 48 层应用;MoE 结构为 26.4B 总参、3.4B 激活,因循环每 token 的有效激活约 5.4B,每层从 128 个专家里路由到 8 个。检查点约 20GB,权重以 NVFP4 为主、最后四层 MXFP8,与训练精度一致;32GB 以上内存的 Mac 可通过 Ollama 运行,也支持 DGX Spark;上下文 100 万 token;许可证是 Apache 2.0。

性能是厂商自测加第三方榜单:Artificial Analysis 智能指数 20.1,与 Qwen3.8-27B 并列;DeepSWE v1.1 48.2%、SWE-bench Pro v2 Hard 77.9%、Terminal Bench v2.1 71.6%(后者低于 Qwen3.8-27B 的 73.0%);ARC-AGI-2 49.3%、ARC-AGI-1 84.5%,ARC Prize 给出的成本是每任务 0.14 美元与 0.06 美元。官方也写明短板:知识主要取决于总参数量,AA-Omniscience 得分 -8.6、非幻觉率 63.4%,在多轮对话与多约束指令上不如 Qwen3.8-27B。

为什么值得关注:循环让模型可以“多想、少写”,这直接触到可监控性——不写进思维链的推理,读思维链的监控看不到。官方因此同时放出一个可变循环的研究模型 TML-d24-varloop-research,并报告在本规模下没有看到可监控性的实质下降,但 CoT 可控性很低,在 750 至 1,250 token 区间最多 0.1% 的情形能按指令改造自己的思维链。传播上,Artificial Analysis 31,165 浏览、540 赞;Goodfire 22,092 浏览、562 赞(提前拿到权重,研究层间信息流);Ollama 14,858 浏览、174 赞;作者 ziqiao_ma 关于可变循环模型的说明 5,340 浏览、168 赞。

判断:这不是“笔记本上跑前沿模型”,而是把“用循环层换串行深度”这条路做成了可下载的工程件,代价是知识量与多轮对话能力;对做本地 agent 的人,20GB 检查点加 32GB 内存是真实可用的起点,对做安全的人,循环层提供的“不写出来的推理”是新的监控盲区。

OpenAI 公开对抗性蒸馏防护:推理轨迹提取成功率从 54% 降到 0.2%

北京时间 11 月 21 日 03:33,@OpenAI 发布研究帖:317,363 浏览、2,119 赞、148 转发、341 回复、161 引用、586 书签。

按官方文章,防护由几层组成:针对提取行为的对抗训练、输入与输出分类器、API 层对加密推理跨会话复用的限制,以及对协同提取活动的调查与执法。最硬的数字是自适应黑盒红队结果(六个攻击模型汇总):“从先前请求中提取受保护推理”的平均攻击成功率,从 GPT-6 Astra 原始防护的 54.0% 降到 GPT-6.2 Astra 更新防护的 0.2%;“从当前请求提取”从 22.9% 降到 0.9%。另有一组网络能力迁移实验:用教师模型的精确推理轨迹训练的学生模型,在监督微调后总体优于用推理摘要训练的版本,说明推理轨迹本身是高价值训练数据,而不只是最终答案。文章还写到每周执法规模从数千到数万个账号。

为什么值得关注:它把蒸馏从知识产权问题改写成安全边界问题——学生模型可以继承能力而不继承防护。需要说清的是,这些数字是 OpenAI 内部红队自测,没有第三方复现;文章后半段关于国家安全、出口管制与立法的段落属政治内容,本报告不采用,传播中“专门针对中国实验室”的解读同样不采用。

判断:技术要点是“保护思维链”,而不是“禁止蒸馏”这个口号;对做数据与评测的人,这意味着以后可用的推理轨迹会更少、更贵。

腾讯混元开放 Hy4 旗舰权重:770B 总参、49B 激活,许可带 MaaS 条款(后续)

北京时间 11 月 20 日 11:52,@TencentHunyuan 宣布开放 Hy4 旗舰权重:113,602 浏览、1,683 赞、186 转发、89 回复、118 引用、289 书签。这是 Hy4 系列的后续进展:11 月 18 日开放 Hy4 flash 权重(11 月 19 日日报已报),本日开放旗舰版、FP8 量化版与预训练底座三个版本;旗舰模型本身此前已发布,本条只写权重开放这一新增。

已核验的规格来自 GitHub 仓库与 Hugging Face 模型页:总参 770B(不含视觉编码器等)、每 token 激活 49B 文本参数加 1.23B 视觉参数;100 万(1,048,576)token 上下文;78 层,1 层 dense 加 77 层 MoE,每层 256 个路由专家加 1 个共享专家、每 token 取 top-8;另带 1.23B 的视觉编码器与 3.3B 的 DFly2 草稿模型用于投机解码。自测里较具体的一组是金融任务:579 个真实任务、213 名金融从业者参与评分(153 名来自头部机构),Hy4 平均 3.04,DeepSeek-V4.1-Flash-1017 为 2.97,Kimi K3.1 Pro 与 GLM-5.3 均为 2.68;官方同时称内部评测把幻觉率从 15.76% 降到 5.45%。这些是厂商自测。

许可证值得单独看:Tencent Hy License v1.0 由 Apache 2.0 修改而来,第 10 条要求做 MaaS(对外提供推理或微调接口)的商用方,在任意连续 12 个月全球总营收超过 5000 万美元、或月活超过 1 亿时,须另行取得书面许可。所以这是“开放权重”,不是 OSI 意义上的开源。系统卡链接存在(PDF),但本次抓取未能解析,报告不引用其内部结论;官方另发帖说明系统卡包含腾讯玄武、朱雀、科恩实验室与外部机构的评测(38,646 浏览、469 赞)。

中文侧的转述以规格复述为主:NFT_Chen(6,197 浏览、41 赞)、xiax0603(1,459 浏览、6 赞)、huagechen(1,248 浏览、11 赞);wellwue(260 浏览、2 赞)提醒许可换成腾讯自有许可、大企业商用受限,与许可证原文一致。

判断:真正的门槛不在参数,而在部署成本与授权条款;官方“与顶级闭源模型仍有明显差距”的自述,比“国产开源又赢了”的转述更接近材料。系统卡与第三方独立跑分都还没核,别把厂商自测当结论。

2. AI 算力与产业

Arcfront 出隐身:把专家判断做成训练数据,官方称五家前沿实验室中四家已合作

北京时间 11 月 21 日 02:40,@arcfront 发布出隐身帖:5,240 浏览、77 赞、17 转发、12 书签,属新发布、尚未形成高互动。公司自述做的是“判断的记录”:把专家在真实工作中如何取舍、何时改弦更张的过程做成训练数据、强化学习环境与评测,供给前沿模型公司;官方帖写“五家前沿实验室中的四家已与我们合作,300 多家企业合作方,1,000 多个 RL 环境”。官网对业务的描述一致,招聘页显示旧金山与班加罗尔两地岗位,官网没有任何财务数字。

热度来自另一条线:gokulr(13,701 浏览、120 赞)确认这家公司就是他此前匿名提到的“最快到 10 亿美元年化收入”的公司,NoContextHumans(19,090 浏览、5 赞)等账号转述“不到一年、年化收入超 10 亿美元、募资不到 200 万美元”。追溯回去,原始说法来自 gokulr 10 月 7 日的帖:2025 年 11 月收入为 0,2026 年 9 月单月收入 8000 万美元,“将达 10 亿美元年化”。这是投资人的预测与转述,不是已实现或被审计的收入;融资额也没有一手披露。

判断:数据与评测正在成为前沿实验室的外部供应链,这条值得记的是这个结构变化,而不是“最快到 10 亿美元”的标题;年化跑率、单月收入与融资额都需要公司或权威媒体确认,现阶段只能写“声称、待核实”。

3. 中文 AI 生态

中文圈把国产模型的更新节奏放慢归因于蒸馏防护

窗口内中文 AI 讨论里传播较广的一条,是 Wavequester 转述 AI 博主 Da7em 的说法:“Anthropic 关上了蒸馏的大门,而中国模型自那以后就寸步未动”,并把 Kimi、DeepSeek、智谱与 Qwen4-Max 近几个月的节奏都归到这个原因上。该帖 25,034 浏览、31 赞、67 回复、7 书签,回复量明显高于点赞,属于提问式讨论。

另一条价格侧观察来自 xiaowuxiaowu66(622 浏览、5 赞):国产开源在按量计费上继续压价,称 Kimi K3.1 Pro 为 2 美元、DeepSeek-V4.1-Flash 为 0.3 美元,同时抱怨“价格下来了,期待上去了”。这些价格数字是转述,本报告未核对官方定价页。

核验:没有一手证据把国产模型的发布节奏与任何一家的蒸馏防护措施连起来;OpenAI 本轮公开的研究只描述自己的防护与执法,不构成对他国模型节奏的解释,本轮检索也没有看到 Anthropic 就此发新公告。被点名的几家模型的具体发布间隔同样未逐项核对。

判断:这条的价值在于它记录了中文圈的一种解释框架:把节奏变化归因于外部防护,比承认迭代本身变慢更容易形成话题;价格侧的观察更实在:竞争已经从“能不能追上”变成“用谁更划算”。因果说法目前只是博主观点,不能当事实引用。

本期覆盖缺口:Hy4 系统卡 PDF 未能解析、Alpöge 的 Lean 代码未逐行复核、Arena Alignment Index 因候选正文截断未单列,这几项都需要下一轮补核。