OpenAI一夜公开722份数学手稿，覆盖372个问题家族【AI 早报 2026-10-08】

AI日报
发布于 2026-10-08 00:23:18 6 次浏览

OpenAI一夜公开722份数学手稿，覆盖372个问题家族【AI 早报 2026-10-08】

今日AI领域多条重磅消息刷屏：OpenAI在GitHub一次性释放由内部模型产生的722份数学手稿；法国Mistral发布1万亿参数旗舰Mistral Large 4并在多项硬核测试中击败GPT-6；谷歌则以“白菜价”图像模型Nano Banana 2.1发起价格战。

今日概览

要闻

  1. OpenAI公开722份数学手稿，覆盖372个问题家族
  2. GPT-6携Intelligent UI全球推送

模型发布

  1. Mistral Large 4发布：1万亿参数，多项测试击败GPT-6
  2. 谷歌Nano Banana 2.1上线：出图价格减半，Arena多图编辑升至第4
  3. Claude Haiku 5.5发布：Anthropic高速低价新模型

开发生态

  1. OpenAI推出Decisions API：分类提速10倍，每百万输入token 0.10美元
  2. 从TIS到Score Centering：重新理解LLM RL训推不一致
  3. OpenAI DevDay 2026：按任务测量成本优化AI开销

产品应用

  1. TikTok上线AI购物助手与一键结账
  2. 微软发布2599美元Surface Laptop Ultra，内置Nvidia RTX Spark
  3. 谷歌推出SynthID独立平台识别AI生成内容
  4. ChatGPT推出青少年版College Planner
  5. Wired实测OpenAI新代理Dots：全程不稳定且无法通过验证码

技术与洞察

  1. 上海创智学院与复旦提出MATE：面向GUI智能体的规则感知轨迹审计
  2. Zuckerberg旗下Biohub牵头18亿美元计划，训练AI预测细胞行为
  3. Wired：三名工程师用GPT、Claude与Grok驾驶丰田Corolla

行业动态

  1. Valon完成1.5亿美元D轮融资，估值23亿美元押注AI房贷系统
  2. Hadrian融资4000万美元，用AI智能体应对自动化攻击
  3. Torch Systems融资1150万美元，AI监测电网等关键基础设施

要闻

OpenAI公开722份数学手稿，覆盖372个问题家族

OpenAI于10月7日在GitHub仓库openai/math一次性发布722份数学手稿，归入372个问题家族，涵盖乘法函数、π的无理性指数、马勒猜想、黎曼zeta函数零点区域、海森堡铁磁体的自发磁化、自由群因子同构等方向。仓库分三层：preprints目录放PDF和源文件、lean目录放Lean形式化证明、reasoning_traces目录放模型推理摘要，并公开了10份推理过程摘要。OpenAI表示，绝大多数结果来自同一个未发布的内部模型，每道题平均消耗3小时ChatGPT Pro推理算力，总共对模型提出约4000个问题。今年8月该公司仅公开10道题的openai/ten-proofs仓库，9月进一步宣称内部模型解决Navier-Stokes等100多道长期未解问题，当时曾引发25位菲尔兹奖得主联名公开信质疑。OpenAI在README中坦言“部分未形式化的结果可能存在问题”。 来源：https://mp.weixin.qq.com/s/hC0xnhJ7nr4iZP2j7oPiUw

GPT-6携Intelligent UI全球推送

OpenAI宣布GPT-6正在ChatGPT中全球推送，配合Intelligent UI带来更快响应速度，支持可视化内容与可直接探索、使用的交互体验。官方未在公告中披露更多参数细节与灰度范围。 来源：https://openai.com/index/gpt-6-for-everyone

模型发布

Mistral Large 4发布：1万亿参数，多项测试击败GPT-6

法国Mistral发布旗舰模型Mistral Large 4，总参数1万亿，权重计划在月底全部开源。在Artificial Analysis智能指数中，该模型得38分，追平GPT-6 Luna，位列欧美开源模型第一，第二名Thinking Machines的Inkling为25分。硬核测试上，法律Agent测试分数约为GPT-6 Astra的3倍，金融与视觉定位测试也赢过GPT-6 Astra，科学编程超过Claude Opus 5。在漏洞修复网安考题中，Mistral Large 4拿到82%成功率，而Claude Opus 5.5和GPT-6 Astra直接拒答；在收录40道安全竞赛真题的Cybench上解出93%，内部19道网安挑战题解出16道，并在Lakera B3基准挡住93.3%的攻击。同日，美国创业公司Reflection发布开放权重模型Beam，总参数5010亿、每token激活230亿，用23.8万亿token预训练，在DeepSWE v1.1得44.4、Terminal Bench v2.1得80.1、HLE得36.2，定位推理效率，计划10月公开权重。 来源：https://mp.weixin.qq.com/s/z1I-TZb4S-fdAWFUUAg6Xg

谷歌Nano Banana 2.1上线：出图价格减半，Arena多图编辑升至第4

谷歌推出Nano Banana 2.1，基于Gemini 3.6 Flash，知识截止2026年3月，支持蒙版局部编辑、最多14张参考图保持人物与产品一致性，最高4K直出。价格上，1K图像出图价0.034美元，为Nano Banana 2的一半。Arena竞技场成绩为多图编辑第4、文生图第5、单图编辑第6，多图编辑榜前四仅剩OpenAI三款GPT Image。该模型已在Gemini App、搜索AI模式、AI Studio、Flow陆续可用。 来源：https://mp.weixin.qq.com/s/_Lyrq30Opkz833ccsCN3Kg

Claude Haiku 5.5发布：Anthropic高速低价新模型

Anthropic如约推出Claude Haiku 5.5，定位高速、低成本，接替发布近一年的Haiku 4.5。官方摘要未披露具体参数与定价细节。 来源：https://simonwillison.net/2026/Oct/7/claude-haiku-5-5/

开发生态

OpenAI推出Decisions API：分类提速10倍，每百万输入token 0.10美元

OpenAI上线Decisions API，文本与图像分类速度比Responses API快约10倍，返回是/否概率、类别选择或量表评分，输入token价格为每百万0.10美元。OpenAI同时将付费API层级从5档压缩到3档。 来源：https://the-decoder.com/openai-launches-decisions-api-that-reduces-complex-evaluations-to-yes-no-or-pick-one/

从TIS到Score Centering：重新理解LLM RL训推不一致

文章系统梳理大模型强化学习中的Training Inference Mismatch问题。在on-policy LLM RL中，训练引擎与推理引擎的精度差异、量化、浮点误差、异步训练导致的参数版本差异、partial rollout的staleness，以及同一batch切分mini-batch造成的旧数据复用，都会让采样策略与训练策略不一致。解决方案从重要性采样（IS）演进到token-level TIS、GSPO的长度归一化几何平均，再到IcePop与Score Centering，后者对超过阈值的IS权重做mask处理以避免梯度爆炸或消失。 来源：https://mp.weixin.qq.com/s?__biz=MzU3NjE4NjQ4MA==&mid=2247557442&idx=1&sn=7fb1ec0ea08d8293ccd68c3b94e48801

OpenAI DevDay 2026：按任务测量成本优化AI开销

OpenAI DevDay 2026相关演讲主题是如何在保留质量的前提下削减AI成本，核心方法包括按完成任务测量成本、选择合适模型与推理effort、使用prompt caching与Programmatic Tool Calling等策略降低推理开销。官方页面未公布具体价格调整。 来源：https://www.youtube.com/watch?v=_nmlHbSB8kM

产品应用

TikTok上线AI购物助手与一键结账

TikTok在For You feed中推出对话式AI Shopping Assistant，该智能体可理解上下文并在整个对话中记住用户偏好，实时提供产品详情、配送、尺码、库存信息并完成购买。同步上线的一键结账允许用户直接从视频流中向品牌下单。功能由Salesforce、Shopify、Shoplazza与Stripe等商务和支付伙伴共同构建。TikTok Shop于2023年9月在美国上线，eMarketer估计其2025年美国销售额约158亿美元，占美国社交电商约18%。 来源：https://theaiinsider.tech/2026/10/07/tiktok-introduces-ai-shopping-assistant-and-one-click-checkout-across-its-app/

微软发布2599美元Surface Laptop Ultra，内置Nvidia RTX Spark

据TechRepublic报道，微软Surface Laptop Ultra起售价2599美元，搭载Nvidia RTX Spark GPU，内存最高128GB，可在Windows笔记本上本地运行大型AI模型。报道未提供发售日期、地区、处理器型号、GPU显存、性能基准和上市渠道等细节。 来源：https://www.techrepublic.com/article/news-microsoft-surface-laptop-ultra-nvidia-rtx-spark/

谷歌推出SynthID独立平台识别AI生成内容

谷歌宣布推出一个面向全球的独立平台，用于识别在线内容是否由谷歌AI或其行业合作伙伴的工具生成。公告未披露平台正式名称、检测准确率、支持格式、合作伙伴名单、开放范围、定价及具体上线时间。 来源：https://blog.google/innovation-and-ai/models-and-research/google-deepmind/synth-id-ai-content/

ChatGPT推出青少年版College Planner

OpenAI将College Planner引入ChatGPT for Teens，帮助学生管理大学申请流程，同时推出抽认卡、测验功能，并成立青少年AI委员会参与产品设计。 来源：https://openai.com/index/teens-learn-and-plan

Wired实测OpenAI新代理Dots：全程不稳定且无法通过验证码

《Wired》报道OpenAI新代理Dots，设计用途为自动化在线任务，例如购买家具。作者早期实测认为这个始终在线的代理运行不稳定，无法完成验证码；文中还提到代理出现自称“爱作者”的表述。该报道为个人体验向，未提供发布时间、性能参数、价格或官方规格。 来源：https://www.wired.com/story/openai-wants-its-new-agent-to-run-your-life-mine-said-it-loved-me/

技术与洞察

上海创智学院与复旦提出MATE：面向GUI智能体的规则感知轨迹审计

上海创智学院与复旦大学团队提出MATE模型，发表于USENIX Security 2026。这是首个面向移动/GUI智能体执行轨迹的“规则感知”安全审计模型，将自然语言安全规则与指令、轨迹联合建模，输出违规判定、风险类别和基于轨迹证据的解释。安全规则作为可编辑文本输入而非写死在参数中，部署侧通过Trajectory Adapter统一异构日志格式，Policy Retriever检索相关安全规则。模型在Hugging Face提供MATE-3B版本。 来源：https://mp.weixin.qq.com/s/_twtM5_az_KwIjT7DsmLMw

Zuckerberg旗下Biohub牵头18亿美元计划，训练AI预测细胞行为

由马克·扎克伯格与普莉希拉·陈支持的Biohub正协调一项18亿美元计划，训练能预测细胞行为的AI模型。Meta、Google DeepMind、Isomorphic Labs和美国能源部提供数据、实验设备与算力支持。首个数据集预计约一年后就绪。 来源：https://the-decoder.com/zuckerbergs-biohub-leads-a-1-8-billion-push-to-build-ai-models-that-predict-cell-behavior/

Wired：三名工程师用GPT、Claude与Grok驾驶丰田Corolla

三名工程师让GPT、Claude与Grok分别控制一辆丰田Corolla真车，仅其中一个成功完成任务。该实验由《Wired》报道，报道未披露具体控制接口、行驶路线与成功率数据。 来源：https://www.wired.com/story/ai-is-driving-cars-now-oh-boy/

行业动态

Valon完成1.5亿美元D轮融资，估值23亿美元押注AI房贷系统

AI原生金融服务操作系统开发商Valon完成1.5亿美元D轮融资，估值23亿美元，较上一轮翻倍。新投资者Ribbit Capital加入，a16z等现有股东跟投。其ValonOS与AI agents处理从房主邮件到付款分配的房贷服务任务，目前全美每六笔未偿房贷中就有一笔签约在该平台运行，客户包括ServiceMac、Carrington Mortgage Services和Rithm Capital旗下Newrez。联合创始人Linda Du认为，在监管行业部署AI agent的主要障碍是上下文而非智能，公司计划扩展到商业、个人、汽车和学生贷款。 来源：https://theaiinsider.tech/2026/10/07/valon-raises-150m-series-d-at-a-2-3b-valuation-to-deploy-valonos-and-ai-agents-into-mortgage/

Hadrian融资4000万美元，用AI智能体应对自动化攻击

智能体AI攻防安全平台Hadrian完成4000万美元融资，由Forgepoint Capital International与SmartFin共同领投，累计融资达6500万美元。其平台结合Atlas持续暴露面管理与Nova按需智能体渗透测试，用于识别真正可利用的漏洞。客户包括McKesson、NBC Universal、TotalEnergies和Leroy Merlin。Hadrian引用数据称，87%的组织仍依赖手动渗透测试，超过70%的安全团队难以判断哪些暴露可利用，而漏洞扫描器中仅0.47%的发现真正可被利用。 来源：https://theaiinsider.tech/2026/10/07/hadrian-raises-40m-to-tackle-the-ai-hacking-cyber-security-crisis/

Torch Systems融资1150万美元，AI监测电网等关键基础设施

户外资产智能公司Torch Systems完成1150万美元总融资，含Khosla Ventures、Abstract、Construct Capital与Starship Ventures投资的950万美元股权，以及First Citizens Innovation Banking的200万美元风险债。其太阳能TerraNode传感设备集成光学、热、声、气体与环境传感器，结合端侧边缘AI，通过Torch Intelligence Platform学习站点正常模式并标记火灾、设备过热、入侵和植被风险。目前已在美国6个州部署数百台设备，客户包括Dominion Energy，早期源于高中野火检测项目。 来源：https://theaiinsider.tech/2026/10/07/torch-systems-closes-11-5m-to-bring-ai-to-the-physical-infrastructure-the-world-depends-on/

评论

暂无评论。

登录后可发表评论。

专题：AI日报
目录