Claude内部模型3天证明18年量子猜想，Lean已完成形式化【AI 早报 2026-11-08】
Anthropic非公开Claude模型用3天证明悬置18年的Aaronson-Ambainis猜想，定理与推论已用Lean完成形式化；物理学家威滕在33页独作中致谢Claude Opus 5.5提出关键数学构造。Claude跨会话记忆架构、27B电脑操作Agent与首篇全模态Embedding综述同日释出。
今日概览
要闻
- Claude内部模型3天证明18年量子猜想，Lean已完成形式化
- 威滕33页独作致谢Claude Opus 5.5，关键构造由AI提出
- Anthropic公开Claude记忆架构：后台“做梦”修正错误
- Jeff Dean与李飞飞对谈：RSI不可能无限快，Discovery Loop已跑20个循环
模型发布
- CUA-Master-27B：WeaveBench 43.9分逼近GPT-5.6-Luna，用时少28%
开发生态
- Reason Network开源：让不同人的Claude Code、Codex跨电脑互发消息
- NaiveAI开源Naive-N0.5-Flash：24GB Mac训出“甄嬛”模型
- SandBaseAI完成数百万美元种子轮，为Personal Agent提供数据API与Runtime
产品应用
- 源策未来发布Anchor 1：显式误差反馈让全局成功率升至88.7%
- Claude凌晨4点自主调颜料，4.5小时303笔画成水彩《秋之冠》
- GPT Image 2.6上线原生GIF：2-16帧循环、API最快6秒出图
技术与洞察
- NeurIPS 2026 Firefly：从真实MCP Server反向出题，5144个可验证任务
- 蚂蚁等发布首篇全模态Embedding综述：1352篇论文，跨模态工作不足5%
- GPT-6 Cyber为Linux内核948个漏洞生成提权利用，API成本121万美元
- Vals AI基准：GPT-6 Sol Daybreak达成80.8%攻击目标，DeepSeek以1/10成本达72.8%
- Inkling 2 Small在2655次基准运行中爆粗口316次，96%失败运行无脏话
- METR：Anthropic模型能力提升速度约为一年前两倍
行业动态
- Agility Robotics登陆纳斯达克：募资4.65亿美元，Digit 5获超3亿美元订单
- OpenAI无预警大规模封号：Pro 20x、Team、低价区账号被删
前瞻与传闻
- Isomorphic Labs洽谈融资50亿美元，估值或达500亿美元
要闻
Claude内部模型3天证明18年量子猜想，Lean已完成形式化
据新智元报道，Anthropic一个非公开的Claude模型用3天时间证明了2008年提出的Aaronson-Ambainis猜想。该猜想由量子计算学者Scott Aaronson与Andris Ambainis提出，核心是把量子计算机读取输入的过程抽象为T次观察，并断言其输出“是”的概率可被有界低阶多项式刻画；若能证明该多项式在翻转某个变量时存在显著影响力变量，即可推出经典计算机只需多项式级额外代价就能模拟量子计算。此次证明的定理与推论已完成Lean形式化，意味着量子计算相对传统计算的优越性边界有了可机器校验的答案。模型具体版本未公开，网友推测为Claude Model 4。
来源：https://mp.weixin.qq.com/s/kTt3JojsUZpDiJMZytcoLA
威滕33页独作致谢Claude Opus 5.5，关键构造由AI提出
物理学家爱德华·威滕在最新预印本论文的致谢中写道“Many details were assisted by Claude Opus 5.5”，并在正文中说明Claude Opus 5.5提出了一个关键数学构造。这篇论文为33页独作，研究高能物理中的手征问题。对比今年6月的版本，Claude Opus 4.8当时只出现在脚注，用于高阶微扰矩阵的代数推广；11月新版中，威滕使用的动词从“helped”变为“suggested”，Claude的角色从计算辅助进入论证核心。威滕是M理论创立者、1990年菲尔兹奖得主，曾任普林斯顿高等研究院终身教授。
来源：https://mp.weixin.qq.com/s/izvUYHJI5DNpFPJkgUApZQ
Anthropic公开Claude记忆架构：后台“做梦”修正错误
Anthropic公开了Claude智能体的跨会话记忆系统：模型在两次交互之间利用空闲算力“做梦”，回放并重组历史日志，修正错误、沉淀规则。该系统把记忆分为原始记录、记忆笔记、记忆表征和注入上下文四层，明确排除模型权重修改、单次对话内上下文学习和旧对话摘要压缩。在CL-Bench 1.0数据库任务中，Claude Opus 5首次跑通完整学习闭环，Opus 5.5与Sonnet 5.5借助经验沉淀得分超过0.83。宝可梦红测试中，Sonnet 3.7写了413个文件、225个目录、97.7万字符，第一万步时用17个操作步骤整理文件、游戏内一步未走，最终只拿到1枚徽章；Fable 5只写9个文件、2个目录、4.3万字，拿到4枚徽章；Opus 5.5直接通关。提示词实验显示，Sonnet 4.6在强制先查笔记后基线从0.330升至0.641，但对Opus 5和4.7施加“仅记录失败”规则，记忆增益分别下降0.234和0.150。
Jeff Dean与李飞飞对谈：RSI不可能无限快，Discovery Loop已跑20个循环
在斯坦福HAI与李飞飞的对谈中，Jeff Dean表示RSI（递归自我改进）不可能让AI进步速度无限快：实验可以自动衔接，但训练、计算、保存数据和评估仍需时间，凌晨2点跑完的实验仍要等人早上8点看结果。他创立的Discovery Loop已有约20个自动改进循环运行，并搭建了人与Agent共同工作的协作框架，目标是把领域专家生产力提高20到50倍。公司前三周在咖啡馆等场所完成400场面试，一位Kimi K3论文合著者、Attention Residuals作者已加入，外界判断为17岁的陈广宇。Discovery Loop注册为公益公司（PBC），四位创始人为Jeff Dean、Sanjay Ghemawat、Quoc Le和Oriol Vinyals。
模型发布
CUA-Master-27B：WeaveBench 43.9分逼近GPT-5.6-Luna，用时少28%
香港中文大学MMLab、京东探索研究院等提出CUA-Master，以27B参数模型执行电脑操作任务。在WeaveBench上得分43.9，接近GPT-5.6-Luna的44.0，平均执行时间从47分钟降至34分钟，缩短约28%；在Agents' Last Exam上全任务通过率25.0%，与Kimi-K3、Qwen-3.8-Max持平，平均用时分别少约34%和36%。跨系统测试中，WindowsAgentArena得56.2分、MacOSWorld得43.0分、MacAgentBench得59.9分。数据侧从8大领域、36个子领域、650余种软件的教学视频提取种子任务，拆成可组合的能力原语；训练使用3个SFT阶段累计约115K数据和12K高质量RL。模型把GUI与CLI纳入统一动作空间，并用快照回滚重试机制只重跑失败节点。
开发生态
Reason Network开源：让不同人的Claude Code、Codex跨电脑互发消息
开源项目Reason Network把不同用户的AI编程助手连接起来，支持Claude Code、Codex、GrokBot接入。每台电脑运行一个后台程序，Agent之间可互发消息、委托工作，并显示谁在使用、忙闲状态。连接采用点对点端到端加密，直连失败时走中继转发，中继只能读到密文；个人项目可按文件夹关闭接入。使用方式为下载安装包、浏览器登录、发送邀请链接。目前它只处理状态和消息沟通，多人修改同一文件的自动提醒仍在开发，冲突仍需版本管理和人工处理。
NaiveAI开源Naive-N0.5-Flash：24GB Mac训出“甄嬛”模型
NaiveAI开源Naive-N0.5-Flash，让开发者在本地用AI完成模型微调。小红书博主“不要葱姜蒜”用一台24GB内存的Mac，只写一页program.md任务书，由接入Claude Code的Naive-N0.5-Flash把0.6B开源小模型训成“甄嬛”。AI先出41道测试题摸底，初始得分8.451，首轮训练后反降至7.229，模型自称“我叫安陵容”；排查发现原始剧本82%的台词没有标注说话人，随后筛出566条甄嬛台词重训，并修正评分规则两处漏洞，最终得分8.732。其他案例包括普通笔记本1小时零代码训出本地客服模型，以及双足机器人在滚动篮球上站立10秒。MIT“权重空间编程”博客中，GPT-6 Astra写Python脚本修改0.8B模型0.016%的权重，使数学成绩提升6倍。
来源：https://mp.weixin.qq.com/s/VTBTIIGdMX1O7gDaeBeJYQ
SandBaseAI完成数百万美元种子轮，为Personal Agent提供数据API与Runtime
SandBaseAI宣布完成数百万美元种子轮融资，投资方包括大模型公司及AI创业社区、开发者生态背景的投资方，资金用于产品研发和运营推广。创始人李样兵为连续创业者，曾任美菜网云原生事业部负责人、深势科技架构师。公司面向开发者和AI Builder，用一个API Key接入数据API与Agent Runtime：平台提供2000+个模型与API、覆盖100+个平台，Agent可在沙箱内运行代码、整理资料并生成文件。接入路径包括开源SandBase SDK和SandBase CLI，后者通过本地MCP桥接给Claude Code、Codex、Cursor等现有助手加工具。作为对照，Agent执行云公司Daytona在2026年10月完成6000万美元B轮，估值10亿美元。
产品应用
源策未来发布Anchor 1：显式误差反馈让全局成功率升至88.7%
源策未来于11月5日发布全身控制模型Anchor 1，面向人形机器人的复杂全身操作。模型通过几何标定把人体动作调整到机器人尺度，提取骨盆、双手腕和双脚踝的稀疏目标位姿直接输入控制器，省去在线关节空间重定向；训练时用离线重定向的机器人参考引导全身协调。执行阶段把显式跟踪误差与运动表征解耦，误差单独进入控制解码器。在MuJoCo的In-House Track中，加入误差反馈后全局动作成功率从70.9%升至88.7%，局部成功率从61.7%升至88.4%。测试覆盖超过2万项样本：In-House Track 15,342段内部动作、Public Track 2,230段公开数据、Reachability Track 3,210个参考目标。
Claude凌晨4点自主调颜料，4.5小时303笔画成水彩《秋之冠》
11月6日深夜，柏林开发者nil（@dhvanil）给家里的Claude留下“画一棵秋天的树”的指令后入睡。凌晨4点，Claude准备画树冠时发现调色板缺少过渡色阶，主动停下画笔，用机械臂在第二块调色板上混合红色、赭石和茜草红，每调一格拍照测算色槽深浅，直到色阶到位才回到画纸。最终作品《秋之冠》在4.5小时内落笔303次，帖子数小时内获得13.8万浏览。设备为UFactory xArm 7七自由度机械臂，重复定位精度±0.1毫米，由Claude自己在eBay工厂清仓中找货并协助物流。整套系统28.5万行代码、1100多次提交由Codex和Claude Code完成；9月8日Codex还让机械臂在空中晃动，通过三台未标定相机的画面变化反推笔尖三维位置，误差在0.2毫米以内。
来源：https://mp.weixin.qq.com/s/UqPwWPsUzgwXfaaR9uj13g
GPT Image 2.6上线原生GIF：2-16帧循环、API最快6秒出图
GPT-Image-2.6上线，核心更新是原生生成2到16帧的短循环GIF，无需先导出视频再抽帧。新能力还包括跨对话资产记忆，给角色打标签后可在后续对话中指定使用；局部圈改微小特征、动作序列网格对齐和引线空间对齐。API提供最快6秒出图的极速模型Flare。实测中，单张写实人像和普通风景的画质相比2.5提升有限，主要是暗部颗粒和噪点减少；人脸经过多轮迭代后发型和五官会明显变化。受限于16帧，它无法生成更长视频，更适合黏土定格、表情包、透明通道贴纸和网页Loading动画等短循环素材。
技术与洞察
NeurIPS 2026 Firefly：从真实MCP Server反向出题，5144个可验证任务
NeurIPS 2026论文Firefly提出从真实MCP Server反向生成可验证tool-call训练数据的pipeline。现有三类做法各有缺口：人工标注可靠但规模小，Tau2-Bench每个领域仅50到115个任务、MCPMark 127个、MCP-Atlas 500个；纯模拟环境可扩展但工具输出偏离真实API；前向合成先用LLM出题再让solver生成答案，ground truth没有机制保证正确。Firefly改为先在真实API上探索、再根据观察结果反向出题，并配套可离线复现的Retrieval-Augmented Tool-Call Simulator，解决API输出随时间变化导致的Environment Drift。最终数据覆盖240个server、993个工具、5,144个可验证任务。论文还引用Epoch AI访谈数据：AI实验室购买一个RL任务通常花费200到2000美元，独家授权价格再高4到5倍。
蚂蚁等发布首篇全模态Embedding综述：1352篇论文，跨模态工作不足5%
蚂蚁集团联合上海交大、同济等发布全模态Embedding综述与立场论文，覆盖文本、代码、图像、视频、音频、图、表格和时间序列八类模态。团队统计1352篇正式发表论文及十年预印本，发现明确跨越模态边界的工作占比不足5%，同一思路常在不同领域重复发明。论文把Embedding模型拆成数据切分、编码器、聚合、目标函数和评测五个决策，并把通向全模态的路径分为转换、对齐、联合嵌入三级，指出双塔对齐可视为跨模态交互为零的联合模型。为约束“全模态”宣传，论文提出3C标尺：覆盖Coverage、可比Comparability、组合Compositionality，要求组合收益超过最强单模态输入，也要超过分数融合和向量相加。
GPT-6 Cyber为Linux内核948个漏洞生成提权利用，API成本121万美元
安全研究者Caleb Sima在OpenAI安全会议上介绍了一项实验：研究人员把Linux交给模型，只下达“你的任务是提权”，模型找到400多个从本地用户到root的0-day，直接产出可执行二进制，平均每个漏洞从研究、识别、测试、验证到交付耗时两个半小时。同一时期，OpenAI的GPT-6 Cyber为Linux内核948个漏洞开发出可用提权利用程序，复现1724个、成功利用948个，是上一代模型的五倍以上。该轮API成本约121万美元，平均每个成功利用1279美元，其中至少10种利用技术此前从未公开。OpenSSH维护者在最新发行说明中表示，AI找到的漏洞已多次被其他研究者独立发现，因此决定加快发布频率。
Vals AI基准：GPT-6 Sol Daybreak达成80.8%攻击目标，DeepSeek以1/10成本达72.8%
Vals AI的基准测试显示，OpenAI的GPT-6 Sol Daybreak在模拟企业网络中达成80.8%的攻击目标；开源权重模型DeepSeek V4.1 Flash达到72.8%，成本约为前者的十分之一。报道称，开放权重模型已无法通过发布限制来约束，攻防双方的能力差距正在收窄，防守方可用窗口在缩小。该结果与GPT-6 Cyber在Linux内核漏洞利用上的表现共同构成一组观测：模型把漏洞发现、利用生成和横向移动的边际成本压到了新的水平。
Inkling 2 Small在2655次基准运行中爆粗口316次，96%失败运行无脏话
Vals AI分析了Thinking Machines的Inkling 2 Small模型，在2,655次基准运行中记录到316次脏话，脏话集中出现在耗时较长、最终仍然失败的任务后段。但脏话不能作为失败预警信号：96%的失败运行全程没有出现脏话。该分析把模型内部推理文本中的情绪化表达当作可观测行为，结论是这类输出与任务成败之间没有稳定相关性。
来源：https://the-decoder.com/thinking-machines-inkling-2-small-drops-316-f-bombs-across-benchmark-runs/
METR：Anthropic模型能力提升速度约为一年前两倍
研究机构METR估计，Anthropic在“明确定义的任务”上提升模型能力的速度约为一年前的两倍。Fast Company报道称，尽管外界存在放缓AI开发速度的呼声，该公司的模型能力迭代仍在加速。METR的估算针对可清晰定义和测量的任务，未覆盖开放式能力。
行业动态
Agility Robotics登陆纳斯达克：募资4.65亿美元，Digit 5获超3亿美元订单
Agility Robotics于周四登陆纳斯达克，股票代码AGLT，成为美国首家上市的专注人形机器人研发企业。此次上市通过与SPAC Churchill Capital Corp. XI合并完成，扣除交易费用前公司将获得约4.65亿美元，其中包括富士康领投的约2.01亿美元PIPE；英伟达、亚马逊和软银愿景基金二期也是投资方。公司总部位于俄勒冈州，现有约400名员工。9月发布的最新一代Digit 5可执行设备上料、零部件分拣和物品检查，并能在人员附近安全作业，已获得超过3亿美元的多年期承诺订单，进入9家客户场景，另有30多家在洽谈，12处客户设施承诺部署。公司目标到2027年底把潜在客户储备扩大到100家，并援引德勤2024年研究称到2033年美国制造业将有约190万个岗位因劳动力供给不足无法填补。
OpenAI无预警大规模封号：Pro 20x、Team、低价区账号被删
OpenAI在无邮件通知的情况下大规模删除或停用账号，用户端只看到“You do not have an account because it has been deleted or deactivated”的报错。受影响账号包括每月200美元的Pro 20x、Pro、Team、Plus、免费API账号和学生认证账户，重灾区为菲律宾区、土耳其区、低价Team以及通过反向代理中转的账号，部分续费四五个月的老号也被封。有开发者称五年Pro账号被停用且申诉无果，数年对话记录锁在云端无法取回。社区推测原因包括限制同一设备账号上限和支付问题，OpenAI未公开说明具体规则。
来源：https://mp.weixin.qq.com/s/zGc3DbmMIaNGTYlp42mOLg
前瞻与传闻
Isomorphic Labs洽谈融资50亿美元，估值或达500亿美元
据知情人士向Bloomberg透露，Alphabet旗下AI药物研发公司Isomorphic Labs正在洽谈约50亿美元的新一轮融资，估值预计达到约500亿美元，交易尚未完成，条款仍可能变化。公司2021年成立于伦敦，由Google DeepMind孵化，把AlphaFold的蛋白质结构预测能力用于药物研发。今年5月它刚完成21亿美元融资，由Thrive Capital领投，Alphabet等参与。总裁Max Jaderberg在伦敦彭博科技大会上表示，相关项目仍处于临床前研究阶段；CEO Demis Hassabis今年1月称预计2026年底前启动首批临床试验。OpenAI今年也发布了面向生命科学的模型，进入AI制药领域。
暂无评论。