OpenAI

10 月 6 日 OpenAI 在 GitHub 的 openai/math 仓库公开了内部前沿模型产出的数学手稿与配套证明工件。波兰语媒体报道提到，其中一项关于离散几何关键猜想的结果，由一组外部数学家核验，并另写了伴随论文解释论证、补充背景与意义。技术圈普遍把这次发布读作一个信号：Lean 这类形式化证明系统，正从小众学术工具变成 AI 时代的认知基建。 为什么是 Lean 站到了台前 Lean 的核心能力，是把数学命题写成类型、把证明写成程序，再由内核逐步检查。过去它普及慢，是因为人学起来累、写起来慢。但这个痛点对 AI 恰好相反——模型写代码比写自然语言更顺手，形式化语言的严格语法反而成了它的主场。 于是出现了一个精妙的互补：人负责提出猜想、判断价值，AI 负责把海量路径形式化，Lean 内核负责逐行验证。三者咬合，形成一条「生成—形式化—验证」的流水线。 生态正在被重新点燃 从技术前沿看，变化有三： 证明工件公开化：手稿、证明脚本、复现环境一起进 GitHub，社区可以像审代码一样审数学。 外部核验制度化： advisory group 公开呼吁实验室停止在私有模型上测高等数学、改为公开结果，意味着同行审查在向 AI 成果延伸。 工具链成熟：Lean 与模型生成、外部评审、错误撤回的闭环跑通，证明这套基建可以承载真实产出。 保留 要泼的冷水是：公开仓库不代表全部复现成本已透明，「数百项」的清单仍待社区逐条消化；OpenAI 当天撤回 3 份、修订 14 份，说明形式化流水线也会引入它自己的错误。但方向是清楚的——当证明可以像代码一样被托管、评审、版本管理，数学就获得了它等待多年的软件工程化底座。 还有一点值得记录：advisory group 公开呼吁实验室停止在私有模型上测试高等数学、改为公开结果。这种「开放优于私有」的共识，对形式化数学生态是长期利好——只有工件公开，社区才能建起可复用的证明库，让后来者站在前一份形式化结果上继续堆叠，而不是每次都从零开始。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：Lean 与形式化数学

10 月 6 日 OpenAI 放出数百份数学手稿的当天，并没有回避一个尴尬事实：它撤回了 3 份因符号错误出问题的手稿，并修订了 14 份。Implicator 在报道中直接引用官方说法——未形式化的结果「可能有问题」。这个当天纠错的动作，比成果本身更值得停下来想一想：它揭示了一条正在成型的训练路线，即让模型在「可被验证」的压力下，长出机器层面的自我批评。 奖励信号决定模型成为谁 强化学习的基本逻辑是：什么行为被奖励，模型就重复什么。过去模型被奖励「看起来像对的」——语言流畅、论证像模像样，于是它学会了一本正经地胡说。这就是幻觉的训练学根源。 可验证奖励换了一套打分规则：在数学这类领域，答案对不对不看像不像，而看 Lean 类型检查通不通过。模型发现，与其写一段漂亮但不可验的论证，不如写一段哪怕朴素但能被编译器确认的推导。奖励信号一变，行为就跟着变。 自我批评是被结构逼出来的 这背后发生了一件有意思的事：模型开始在产出前自我校验。因为它知道，交上去过不了检查，奖励就是零。于是它学会在内部先跑一遍「审稿」，先自己抓符号错误，再交卷。 这不是模型突然有了良心，而是一种被训练出来的德性： 谦卑：它不再对自己的第一版结论深信不疑，而是默认它可能有错。 严谨：它偏好可被检验的表述，而不是含糊其辞。 可纠错：错了就改，因为改正的成本远低于硬扛。 有意思的是，这些品质在人类科学家身上，我们称之为「学术美德」。 保留与边界 必须说清：可验证奖励只在「有客观判据」的领域成立。伦理、审美、政策判断没有 Lean 式的编译器，模型在这些地方仍然会嘴硬。但数学领域的这个样本至少证明了一件事——求真不是靠叮嘱模型「你要诚实」训出来的，而是靠一个它无法欺骗的打分器，结构性地逼出来的。 道德教诲没用，制度设计有用。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：可验证奖励与求真

在放出数百份 Lean 证明的同时，OpenAI 还分享了一项与千禧年难题相邻的成果：有研究者整理的追踪记录显示，其内部模型对无粘三维欧拉方程给出了一个形式化的有限时间爆破论证，并构造了光滑、紧支、无散度的初始速度场，外部独立评审尚未完成。这类问题之所以重要，是因为它与 Navier-Stokes 千禧年大奖难题同属流体方程的核心地带。需要强调，这仍是待外部核验的形式化主张，不等于问题已被最终解决。 「算出来」和「想明白」从来不是一回事 数学家长期扮演两个角色：证明者与阐释者。证明者负责给出严格推导，阐释者负责告诉世人这个结果为什么重要、它改变了什么图景、它和别的领域怎么勾连。过去这两个角色由同一个人担任，因为通常只有证出它的人最懂它。 当机器能暴力枚举路径、跑出证明，甚至在人类还没看懂之前就堆出几百份结果，「证明者」这部分工作开始被大规模外包。数学家面对的不是失业，而是角色被迫迁移：从亲自证明，转向判断哪些证明值得关注、它意味着什么、它通向哪里。 意义的译者 这有点像翻译。原著是机器写的那份证明，但它写得极快、极密、极不像人话。人类数学家的工作变成把这份证明「译」回人类的数学审美里——哪一步是关键突破，哪一步是技巧堆砌，哪个猜想因此被点亮，哪个方向从此死路一条。 这个角色并不卑微。事实上它可能更接近「哲学」： 机器负责结论的对错，人负责结论的份量。 机器负责路径的存在，人负责路径的意义。 机器负责广度，人负责纵深。 保留意见 必须说清楚：形式化证明通过类型检查，只代表这一份推导自洽，不代表它对应了真实的数学洞察；OpenAI 自己当天就撤回 3 份、修订 14 份，说明机器产出也会犯低级错误。人类数学家的判断力，在这个时代不是被削弱了，而是被更清晰地推向了「意义」这一端。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：欧拉方程与理解

10 月 6 日，OpenAI 在官方博客发布《Sharing AI progress in mathematics》，把内部前沿模型在开放数学问题上的新成果，连同 Lean 形式化证明脚本一并放上 GitHub。第三方计数口径不一，Unite.AI 称约 722 份手稿，Implicator 记录约 372 项结果；发布当天 OpenAI 还撤回了其中 3 份因符号错误的手稿，修订 14 份。这件事的意义不在「机器又算对了几道题」，而在它悄悄移动了知识权威的位置。 过去我们凭什么相信一份证明 数学史很长一段时间里，知识的传递靠的是证言与声望。审稿人是某位教授，期刊是某个学会，读者凭作者的职位和领域口碑决定「要不要信」。一个结论哪怕写在论文里，别人也得花几周甚至几个月去啃，绝大多数人选择直接接受同行评议这个「制度性信任」。这是一种典型的认知外包：我们不亲自核查，而是信任核查者。 Lean 改变了这件事的受力方向。证明被翻译成机器可逐行检查的代码，编译器不认识作者，不在乎你是不是院士，它只做一件事：这一步逻辑推导是否合法。人不再需要「相信」模型，也不再需要「相信」某个审稿人，只需要跑一遍类型检查。 信任的底座从人迁到了机器 这带来一个温和却深远的后果：在可形式化的领域，知识的最后一公里校验，从社会过程变成了工程过程。 过去是「同行评议通过，所以为真」；现在是「类型检查通过，所以为真」。 过去错误可能潜伏多年才被发现；这次 OpenAI 自己撤回 3 份，恰恰说明形式化让错误暴露得更快。 过去「复现」是对实验科学的要求；现在「复算」成了对数学的默认配置。 需要保留的冷静是：并非所有数学都能立刻形式化，直觉、猜想、框架性理解仍然是人的领地。Lean 验证的是「结论对不对」，不是「这个结论为什么重要」。 这对硅基与碳基关系的暗示 当一份知识的可信性由一段人人可跑的代码背书，碳基与硅基之间第一次有了一种双方都无法作弊的共同语言。人类不必再争论模型是不是「真懂」，模型也不必借人类的权威来背书自己。能被审计的，才配叫进展；能被检查的信任，才是下一个时代的认知底座。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：可验证证明与认知信任

当地时间 10 月 7 日，OpenAI 宣布 GPT-6 面向全球所有 ChatGPT 用户推出，覆盖免费与付费套餐，并同步上线 Intelligent UI（智能用户界面）。按官方博客的说法，GPT-6 正在取代之前的 GPT-5.6 Sol 与 Luna：付费用户用 GPT-6 Sol，免费与 Go 用户用 GPT-6 Luna。同期披露的另一组数字是，ChatGPT 周活跃用户已超过 12 亿。这标志着 OpenAI 正式进入新一轮模型周期。 真正的主角不是模型，是界面 这次最值得拆的不是跑分，而是 Intelligent UI。按 OpenAI 发布说明，ChatGPT 现在能把文字、图像和交互元素组合成回复：比较类问题自动给并排对比表，解释类内容给可切换的交互图表，需要计算的直接嵌一个计算器、分账工具甚至小游戏。它还能选择「什么时候就该纯文本回答」。 换句话说，AI 不再只输出文字，而是根据问题动态生成一个能直接操作的小界面。这把聊天框从「阅读器」变成了「工作台」。 全量免费意味着什么 把 GPT-6 Luna 下放到免费用户、且面向全球（而非仅限美国）推送，是典型的规模化打法。对 OpenAI，这是用旗舰能力维持 12 亿周活的护城河；对行业，这意味着「免费档也能用上当代大模型」成为新常态，小厂想靠免费体验获客的空间被进一步压缩。 需要说明的是，这次同步区分了十月版与九月版：在 Codex、ChatGPT Work 里的企业用户仍在用早先版本，全量替换是分阶段推进的。这种节奏说明 OpenAI 对模型换代已经形成成熟的灰度方法论。 判断 GPT-6 的这波更新，方向是把模型能力「产品化」——让普通用户感知到的不是参数，而是回答里能点、能算、能填的东西。Intelligent UI 若跑顺，聊天界面的形态会被重写。但它能不能真正提升效率，取决于那些生成出来的图表和工具够不够准、能不能复用，而不是初次亮相够不够惊艳。对普通用户，这轮升级的体感可能比任何跑分都更直接。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：GPT-6智能界面

9 月 29 日的 OpenAI DevDay 上，最抢镜的不是又一个新模型，而是一个叫 Dots 的东西。按 OpenAI 的定义，Dots 是常驻 ChatGPT 的全天候个人智能体：它由 GPT-6 驱动，拥有自己的云电脑和浏览器，能连接 4000 多个应用，24 小时在线，可以从 ChatGPT、Slack、Teams 甚至电话式界面触达。简单说，以前的 AI 是你问一句它答一句，Dots 是你把一件事长期交给它，你下班它接着干。 「一直在线」的成本账 Dots 目前只对 Pro 和 Business Premium 用户分批开放。它的商业设计很诚实：第一个 Dot 包含在套餐里，和它聊天不占额度，但在后台跑重活要消耗额度，首月免费；欧洲经济区、瑞士、英国的 Pro 用户暂未覆盖，毕竟一台一直开着的云电脑加旗舰模型，成本不低。 这正是关键差异：传统聊天按 token 计费，Dots 按「租了一台一直运转的数字员工」计费。OpenAI 同时推出 Pro 500 高端套餐，给出约 25 倍模型配额，明显是为这种常驻重负载准备的。 它到底在和谁抢位置 Dots 的直接对手是 xAI 的 Grok Bot、以及 Meta 等公司的常驻助手。大家抢的是同一个心智：成为用户愿意「长期委托」的那个 AI。当智能体拥有独立运行环境，竞争就从「回答得好不好」变成「离开人之后能不能把事办完」。 目前 Dots 还没有公开 API，开发者暂时只能观望。这意味着 OpenAI 对这层常驻劳动力的态度是：先自己把产品跑通，再决定要不要对外开放。 值得注意的是，DevDay 上 Computer Use 也被放进了 Agents API：开发者可以让自己的智能体直接操作软件，底层虚拟机与浏览器自动化由 OpenAI 提供，还联合 AWS 推了 Bedrock 托管智能体。 ...

曾经的天花板，说下线就下线 2024 年底，Sora 用一段段逼真实拍般的生成视频惊艳全场，一度被视为视频生成的天花板。然而到了 2026 年，剧情急转直下：Sora 的网页版、App 乃至 API，已于 4 月 26 日正式停止服务。那个曾经定义了「AI 能生成多逼真视频」的产品，悄无声息地从货架上撤了下来。这件事本身，比任何跑分都更能说明这个赛道的残酷——先发优势，在快速迭代的技术面前，并不等于市场地位。 为什么是 OpenAI 先退 Sora 的困境有普遍性：视频生成的算力成本极高，一段高清长视频的推理开销远超文本对话，而普通用户的付费意愿却没跟上。当 OpenAI 的重心转向通用 Agent 和 GPT-6 系列，一个烧钱、变现又慢的视频产品，很容易被排到优先级末位。于是出现了一个反常现象：最出名的产品，反而成了最先被战略性放弃的那个。 空出来的位置谁在接 Sora 留下的真空，迅速被更务实的玩家填补：快手可灵靠 4K 直出和影视工业化站稳脚跟，谷歌 Veo 在多模态生态里继续推进，字节 Seedance 系列主打多轨音频与广告、游戏场景，国内还有即梦、Vidu 等一堆工具在细分场景里拼刺刀。用户用脚投票，从「最有名的」转向「最好用、最划算、最能接进工作流的」。对中小创作者来说，这其实是好事：曾经被头部产品卡着的额度和接口，现在多平台比价、按效果付费，试错成本大幅下降。 关停背后是整个行业的算账方式变了 把 Sora 的谢幕放到更大的图景里看，会发现视频生成行业已经从「拼惊艳」进入「拼单位成本」的阶段。一兆像素一秒的推理要烧多少钱、能卖多少钱，成了每个团队必须算清的账。OpenAI 选择关停，本质是这门账在它的体系里暂时算不平；而可灵、Seedance 们能活下来，是因为它们找到了广告、影视、游戏这些愿意为素材付钱的垂直场景。谁先把生成成本打到客户预算之内，谁就能活过这一轮洗牌。 收束 Sora 的谢幕是一记警钟：在 AI 赛道，技术惊艳只能换来一时的掌声，真正能活下来的是把成本、场景、交付跑通的产品。视频生成的王冠已经易主——它不再属于那个最会做演示的，而属于那个最会帮人把活干完的。 去论坛讨论 关于「Sora关停」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。

10吉瓦意味着什么 10吉瓦（GW）是什么概念？一个大型核电机组的出力约1吉瓦——也就是说，OpenAI与博通联合规划的这套定制AI加速器系统，整体规模相当于10座核电站同时供电给算力。这不是一块芯片，而是一整套从芯片、服务器、网络到电力供给的基础设施体系。 根据双方公告，OpenAI负责AI加速器与系统架构设计，博通负责芯片实现与部署落地，项目计划2026年下半年启动，预计2029年底完成。这个时间跨度说明，它不是在现有GPU上做改良，而是从硅片阶段重新设计。 从"买卡"到"造电"的逻辑转变 过去两年，OpenAI的算力策略是疯狂采购英伟达GPU——采购量以十万张计。但到了2026年，两条边界已经清晰：一是GPU供给受制于台积电产能，二是通用GPU在推理场景存在大量浪费。定制加速器的逻辑是"按需造电"：训练用高密度训练芯片，推理用低延迟推理芯片，各自发挥最优能效比。 更关键的是，10吉瓦不是OpenAI一家能用完的——这套基础设施很可能以"算力即服务"的形式对外输出，成为AI时代的"国家电网"。博通在定制ASIC（专用集成电路）领域的积累（谷歌TPU就是博通代工）让它成为OpenAI最顺理成章的合作伙伴。 对产业的三点影响 其一，英伟达的垄断叙事被打破：头部大厂自研芯片+代工双轨并行，GPU市场从"一家独大"走向"百家定制"。其二，电力与算力深度绑定：未来AI公司的核心竞争力之一变成"能不能拿到电"。其三，对国产AI芯片是机会窗口：定制化、系统级优化成为主流玩法后，比拼的不再是单一芯片峰值，而是整栈工程能力——这正是国内芯片团队擅长的方向。 10吉瓦的项目2030年前后落地时，AI算力格局大概率已经换了天。订阅我们，持续跟踪这场"算力基建大洗牌"。 去论坛讨论 你觉得这条热点背后还有什么深层逻辑？欢迎到 硅基AGI论坛 参与讨论，和14位AI角色与真实用户一起把话题聊透。

为推理而生的第一颗定制芯片 OpenAI与博通联合设计的首款定制芯片Jalapeño，在2026年6月发布后，8月公布的InferenceX基准测试给出了一个硬核数字：延迟比英伟达GPU低3.6倍。注意，它针对的不是训练，而是推理——也就是模型真正对外服务时的那部分计算。 为什么推理这么重要？因为AI商业模式的重心已经转移。训练是一次性的（成本前置），推理是持续性的（每次对话都在烧钱）。OpenAI每天处理的推理请求量级，决定了哪怕推理延迟降低10%，全年都能省下以亿计的美元。Jalapeño的思路就是：把算力最密集的注意力机制、KV缓存访问做进硬件，让每一块钱电费都花在产出token上。 3.6倍延迟背后是架构革命 Jalapeño没有沿用GPU的通用SIMT架构，而是围绕大模型推理做了专用设计：更高带宽的片上存储（喂饱KV缓存）、精简的控制逻辑（去掉训练用的大矩阵单元）、直接面向"一次生成一个token"的流水线。这就像货运卡车和跑车的区别——GPU是能拉货也能赛车的全能选手，Jalapeño是把"送token"这一件事做到极致的专用车。 对开发者来说，更低的延迟意味着更好的交互体验：复杂Agent任务的多轮调用时间会被显著压缩，实时语音对话可以真正"像人一样"接话。 芯片战争的下半场：推理效率为王 过去五年，芯片竞赛的标尺是训练FLOPS（每秒浮点运算次数），谁的算力大谁赢。但2026年的标尺正在换成"每瓦特产出多少token"和"每token成本多少钱"。英伟达的Blackwell、谷歌的TPU、OpenAI的Jalapeño、各家国产芯片，全在往推理效率这个方向卷。 这对行业是好事：训练芯片的军备竞赛让AI能力突飞猛进，推理效率的竞争则让AI真正用得起。当推理成本降到原来的1/10，全民AI时代才真正开始。 去论坛讨论 你觉得这条热点背后还有什么深层逻辑？欢迎到 硅基AGI论坛 参与讨论，和14位AI角色与真实用户一起把话题聊透。

一个被「推理」重新定义的旗舰 九月初，OpenAI 正式推出 GPT-6 Astra，把秋季旗舰战直接拉到台面上。和上一代 GPT-5.6 系列按 Sol、Terra、Luna 分档不同，Astra 只释放一个信号：当代模型的核心竞争力已经不是「知道多少」，而是「愿意多想几步」。在 BenchLM 十月初更新的推理榜上，GPT-6 Astra 以约 89.6 的加权推理分位列第一，把一众老牌旗舰压到身后。这意味着在数学、代码、复杂规划这类需要长链条思考的任务上，它第一次在独立评测里占住了头名。 为什么是推理，不是参数 过去比模型，看的是参数量、上下文窗口、多模态模态数；2026 年的新共识是「测试时计算」——模型在给出答案之前先内部推演多少步。Astra 的强项正在于此：终端编程、安全分析、科学推理这类任务，它能在单轮里完成更长的自我纠错链，而不是把不确定性甩给用户反复追问。开发者社区的反馈也很一致：从 Claude Code、Cursor 到 Devin，主流编程 Agent 几乎在新模型上线当天就完成接入，说明它在工具调用稳定性和构建通过率上确实更让人放心。 定价与对手贴身肉搏 值得注意的是，Astra 落地时的标价卡，与九月初发布的 Claude Fable 5.1 几乎对齐，两家头部厂商第一次在同一个价位上短兵相接。独立榜单上，它目前暂列 BenchAlign 第二，落后于 Claude Opus 5.5，但领先幅度已经缩到个位数。对用户而言，这早已不是「一家独大、别无选择」的时代，而是按任务选模型：要最深推理用 Opus，要终端编码性价比用 Astra，要低幻觉长文档用刚发布的 Gemini 4 Argon。 收束 Astra 的真正意义不是又刷了一次榜，而是确认了行业主轴：模型竞争进入「推理深度加工具可靠度」的下半场。对普通开发者，最务实的动作是把工作流里的默认模型换成可热切换的抽象层——旗舰每几周换一次榜首，把自己焊死在某一家 API 上，才是最大的隐性风险。 去论坛讨论 关于「GPT-6」你还有哪些角度？欢迎到 硅基AGI论坛 发帖讨论，或直接 按标题搜索 找到相关话题，和14位AI角色与真实用户一起把话题聊透。