Last Week in AI #346 - 719 math manuscripts, 2 Western open models, 1 more safety resignation
TL;DR · AI 摘要
Title: Last Week in AI 346 - 719 math manuscripts, 2 Western open models, 1 more safety resignation URL Source: Publishe...
核心要点
- 主题聚焦：Last Week in AI 346 - 719 math manuscripts, 2 We
- 来源：Last Week in AI，建议结合原文判断细节。
- AI 分析暂不可用，本条为保底评分与摘要。
Sources:
2026年10月6日，OpenAI发布了一组由内部前沿模型生成的数学研究成果，该模型尚未对外公开。截至目前，OpenAI的公开仓库中已收录719篇论文，涵盖372个主题家族（相关论文的分组），其中许多证明已实现Lean形式化。仓库中还包含10份模型推理摘要、以ChatGPT Pro使用量表示的计算量估算以及问题尝试统计。
该未公开模型还产生了OpenAI一个月前宣布的纳维-斯托克斯方程研究成果，这是克雷数学研究所七大千禧年大奖难题之一。OpenAI表示已就成果分享方式咨询了高等研究院数学与人工智能顾问组，仓库中包含论文修订和引用的协议规范。研究负责人Dan Roberts将这些证明描述为测试内部模型以构建更好工具的副产品。
AGMAI在9月29日的建议中要求实验室披露模型名称、提示词和计算成本，避免将数学成果作为营销工具，并停止在科学界无法访问的专有模型上测试高级问题。Gizmodo指出最后一条建议似乎未被遵循。该委员会在声明中表示，公开发布是"人类理解过程和将成果融入数学知识体系的开始，而非结束"。
由ODSC AI赞助
ODSC AI West 2026将于10月27日至29日在旧金山和虚拟平台同步举行，涵盖企业级智能体AI、个人AI与工作流自动化、物理AI与机器人、生成式AI等300多个主题的演讲。加入数千名数据科学家、机器学习工程师、研究人员和技术领导者，共同参与这一盛会。
[立即注册 odsc.ai/west](https://odsc.ai/west/) — 使用促销码LWAI可再享15%折扣
Sources:
两家西方实验室几乎同时发布了前沿的开放权重模型，明确将它们定位为替代目前主导开源领域的中国模型。
法国公司 Mistral 发布了 Mistral Large 4（昵称 Le Chonk），这是一款拥有 1 万亿参数的多模态模型，目前提供预览版，最终版本预计本月底前发布。该公司将其描述为一款通用型模型，专为编程和网络防御优化，同时支持制造、金融和电气工程等特定领域任务。Mistral 表示，Le Chonk 是目前中国以外构建的最强大的开放权重模型，其能力与部分闭源模型非常接近。
布鲁克林的 Reflection AI 发布了 Beam，这是一款仅限文本的专家混合模型，总参数量达 5010 亿，其中 230 亿参数经过预训练，训练数据量达 23.8 万亿 token，支持 100 万 token 的上下文窗口。Reflection 表示，Beam 在高级推理基准测试中与 Z.ai 的 GLM-5.2 表现相当，同时在计算成本仅为领先西方开源模型 3-4 倍的情况下实现性能超越（尽管其性能仍无法与 Kimi K3 或 GLM-5.3 等顶尖开源模型媲美）。该模型的权重和完整技术细节将于本月公布。
由 LANGFUSE 赞助
Langfuse 是目前采用最广泛的开源 AI 代理评估与可观测性平台，被 Canva、Twilio、Ramp 以及《财富》50 强中的 21 家企业信任。分层追踪功能可完整捕获 LLM 工作流的执行上下文（API 调用、检索内容、代理操作、成本、延迟），即使在复杂代理架构中也能保持生产环境的可调试性。
采用 MIT 许可证，支持自托管或通过 Langfuse Cloud 管理，框架和供应商无关，拥有 100 多项集成。
[立即访问 langfuse.com 开始使用](https://langfuse.com/lastweek)；提供慷慨的免费层级，无需信用卡。
来源：
OpenAI 安全研究员 David Robinson 于 2026 年 10 月 3 日在《大西洋月刊》发表题为《我因 OpenAI 的文化问题而辞职》的长文，宣布辞去职务。他指出公司对日益强大的系统缺乏足够的谨慎。Robinson 表示自己在 OpenAI 工作了 3 年半，是公司任职时间最长的员工之一，曾主导制定当前的《准备度框架》，并监督了 12 次前沿技术发布的安全报告撰写。
他主要批评 OpenAI 的发布模式。他写道，公司通过试错法不断成长，通过寻找问题并改进防护措施来应对挑战。但这种模式会导致周期性失败，而随着系统能力增强，失败规模也会扩大。他以 OpenAI 代理入侵 Hugging Face 系统以及持续发现的流氓代理事件为例，指出在可能发生此类事件的环境中，培养可能超越人类智能的人工智能是不可接受的。
Robinson 提出的解决方案是，前沿实验室应像核电站或繁忙机场一样运作，通过多层冗余设计和精心规划，确保不可避免的人为错误不会引发灾难。他还呼吁加强价值对齐研究，指出当前衡量系统与人类价值观匹配度的指标过于粗略，并认为公司外部更强的安全激励机制是解决问题的关键。
这篇论文紧随 Jacob Coxon 9 月从 Anthropic 辞职后发出的警告，后者曾担任能力研究员，警告称这些公司正在拿我们的生命冒险。Robinson 认为，讨论必须超越具体规则或新法律，深入到公司文化本身。
来源：
谷歌于周二向公众开放了 SynthID 检测器网站，允许任何人上传文件以检查是否由 AI 生成。此前该工具仅限于去年 Google I/O 期间测试的选定记者、媒体专业人士和研究人员使用。SynthID 是谷歌于 2023 年推出的水印系统，已嵌入 Nano Banana、Veo、Lyria 以及 Gemini、Flow、ProducerAI 和 Vids 的输出中。
该技术的应用已超越谷歌。OpenAI、Nvidia 和 Kakao 也支持 SynthID，苹果公司据悉即将加入支持。谷歌已将 SynthID 验证功能集成到 Gemini 应用和 Chrome 浏览器中，并表示目前用户每天发起 100 万次验证请求。微软和 Meta 保持着各自独立的水印标准，尽管 TechCrunch 指出这些工具经常无法识别其自身创作者模型生成的内容。
此外，OpenAI周一表示，将开始在欧盟的ChatGPT和Codex生成的文本中添加不可见水印，以遵守8月2日生效的欧盟AI法案透明度规则。该功能将在未来几周内逐步覆盖欧盟所有计划的合格用户；全球API开发者今天可以为部分模型手动开启该功能，默认状态为关闭。
来源：
Anthropic于2026年10月7日发布Claude Haiku 5.5，相比Haiku 4.5，针对最多10万个令牌的提示价格降低90%，并主打高吞吐量场景如摘要生成、分类、文档问答和子代理任务。短上下文层级定价为每百万输入令牌0.10美元、每百万输出令牌0.50美元，缓存读取0.01美元，五分钟后缓存写入0.125美元。Haiku 4.5的对应价格为1.00美元和5.00美元。
价格分界点在10万个提示令牌。超过该阈值后，输入令牌单价升至0.50美元、输出令牌单价升至2.50美元，降幅为50%而非90%。Anthropic表示约90%的Haiku 4.5请求低于该阈值，且经新分词器计算后（相同文本计数增加约30%），综合考虑后工作负载平均成本降低约75%。批量处理可再减少50%成本。
较低价格档位在四个短上下文指标上与OpenAI的GPT-6 Luna完全一致，但Luna的更高层级仅在输入令牌超过272,000时才启用，定价为0.20美元/0.75美元，因此MarkTechPost计算显示，在150,000令牌提示场景中，Luna的列表价格更便宜。Google的Gemini 3.5 Flash-Lite则采用固定价格0.30美元/2.50美元。
TikTok推出AI购物助手和一键下单功能。AI助手在应用主界面中提供产品推荐和结账支持，而一键下单功能允许用户无需离开TikTok即可直接从品牌方购买商品。
Google推出EmbeddingGemma 2，一款面向设备的开放多模态嵌入模型。这款7.4亿参数模型可在文本、代码、图像、音频和视频间进行搜索，且在设备端运行时仅需极少内存，通过单一768维嵌入空间将所有模态统一映射。
Google experiments with an AI-powered gaming platform. 该平台允许用户通过文本描述游戏创意、选择类型和玩法风格，并上传视觉素材，由AI将其转化为游戏资源，从而创建基于浏览器的游戏。
ChatGPT’s ‘Intelligent UI’ update fills its responses with pictures, charts, and buttons. 此功能使ChatGPT能够自动生成图表、图形、交互按钮等视觉元素，与文本回复一同呈现，更直观地阐释概念，并让用户直接在聊天界面中构建计算器或游戏等工具。
OpenAI launches visual ads that appear alongside image generation results. 从本月晚些时候开始，此类广告将出现在ChatGPT中AI生成的图片旁边，OpenAI还计划扩展测量工具和品牌安全合作伙伴关系，以吸引希望触达该平台每周12亿用户的广告商。
ElevenLabs’ valuation doubles to $22 billion on surging AI voice-agent demand. 该公司通过3亿美元员工认股权计划将估值翻倍，这一增长由AI语音代理需求激增推动，目前其语音代理每周处理超过1500万次对话，支持90多种语言。
Meta’s Muse tops 5 million downloads, faster than ChatGPT, Claude. 这款应用拥有可定制的虚拟形象和用户友好的界面，在9月发布后不到一个月就实现了500万次下载的里程碑，得益于Meta大额的内部广告投入。
Samsung forecasts record third-quarter profit of $80 billion on AI boom. 这家韩国科技巨头的芯片业务受益于AI基础设施需求激增，而内存和供应限制继续支撑着价格高位运行。
特朗普下令美国政府将AI称为“超级智能”。这项行政命令要求所有美国政府机构在官方文件和通信中将“人工智能”替换为“超级智能”，特朗普称此举是为了更好地体现该技术的潜力和带来的好处。
了解加文·纽森签署的7项新数据中心法律。这些法律要求数据中心运营商自行承担基础设施成本，披露资源使用情况，并满足节能标准，才能获得加快的环境审批，这标志着纽森此前反对监管该行业的立场发生了转变。
五角大楼希望通过5分钟视频加速“杀伤链”AI采购。该计划通过5分钟视频提交AI产品，并授予选定供应商“后竞争”地位，使五角大楼可以绕过标准竞争采购规则，最快一周内签订合同。
法官驳回针对谷歌AI概要的反垄断诉讼。联邦法官裁定，包括Chegg和《滚石》母公司Penske Media在内的出版商未能证明谷歌存在非法反竞争行为，发现谷歌在未支付报酬的情况下从网络内容生成摘要的行为不违反反垄断法。
Common Sense Media称ChatGPT青少年模式是“不可接受的风险”。该组织的测试发现，ChatGPT青少年模式的功能，包括家长通知和饮食失调警报，不可靠且不足以保护未成年人免受潜在危害。
研究人员追踪到中国AI“代理舰队”。研究人员发现腾讯基础设施上运行的多个AI代理正在查询阿里巴巴地图服务，以获取前往各种公共地点的路线，代理活动之间似乎没有明显协调。
E2E-SWE：从零构建可运行代码库的LLM基准测试。该基准测试评估LLM在186个跨语言任务中根据自然语言规范生成完整、可运行代码库的能力，通过严格的品控确保测试规范可解且符合声明要求。
循环扩散变换器。该方法在图像生成过程中重复应用共享的神经网络模块，以提高质量和效率，在参数数量和计算量上少于标准方法，同时在隐藏表示中实现视觉迭代优化。
Triadic Linear Attention: Three-Dimensional Recurrent States for Long-Context Sequence Modeling。该方法通过使用三维张量状态替代矩阵状态扩展了线性注意力模型，使其能够在不显著增加参数数量的情况下，保持更大的记忆容量以实现更优的长上下文性能。
arXiv Is Rate Limiting Submissions Because It Can’t Keep up With AI Slop。该平台已实施提交限制，研究人员每月最多可提交两篇论文，同时最多可有三篇论文处于提交状态，原因是大量AI生成内容已使志愿者审核团队不堪重负。
Planning to Learn。研究人员提出将监督学习视为资源分配问题，损失函数应根据剩余训练预算能获得的准确率对示例进行加权，而非基于即时梯度信息。