OpenAI 一夜贴出 722 篇数学证明：AI 开始自己刷顶级难题，开源模型组团冲榜

一个模型、4000 道题、平均三小时：OpenAI 的数学“刷题”实录

如果告诉你，一批困扰人类数学家多年的开放难题，最近被同一个 AI 模型在几小时内接连“想通”，你会是什么反应？OpenAI 本周就把这样的成果直接挂到了网上——722 篇由内部前沿模型产出的数学手稿，其中近十分之一来自 Proof of Atlas 榜单收录的全球前 500 开放数学问题。这不是营销演示，而是附带 Lean 形式化证明、可被机器逐行验证的硬产出。

OpenAI 披露，这批手稿在 3 篇因缺少 Lean 证明被撤回后剩 719 篇，覆盖 372 个问题族。团队让单个内部模型尝试了约 4000 道题，平均每道题消耗约 3 小时算力，最终留下 90 篇进入 Proof of Atlas 全球前 500 开放问题名录。对数学界而言，“开放问题”意味着没人知道答案，模型不是在背诵解法，而是在可验证的框架内给出新证明。

选数学并非偶然。Lean 证明助手让每一步推理都可被机器检查，杜绝了“感觉对”的糊弄。这也是前沿实验室近两年集体把数学当作推理试金石的原因——通用问答可以靠检索兜底，数学证明只能靠推理硬碰硬。

开源阵营组团冲榜：816B、600B、MIT 许可一起来

Meta 超级智能实验室本周放出 Muse Spark Open：8160 亿参数的 MoE 架构、420 亿激活参数、百万 token 上下文窗口，在 NVIDIA GB300 NVL72 集群上完成训练，在 Artificial Analysis 智能指数上拿到 39 分，成为美国开源权重模型的第一名，同时覆盖文本、图像、视频、音频的多模态感知。这个分数放在半年前，还是闭源前沿的领地。

DeepSeek 的动作更激进。V4.1-Flash-1017 在 DeepSWE v1.1 编程基准上拿下 77.0 分，压过 Claude Opus 5 的 74.0，比 9 月版本在全部 11 项基准上高出 2.0 到 11.1 分，并且直接以 MIT 许可证开放权重，同步上线 Search/Fetch 搜索 API。当然差距也诚实可见：无工具条件下 HLE 只有 42.6 分，明显落后于 56.3 分的头部水平。与此同时，阶跃星辰把 Step 5 Preview 的 600B MoE、270 亿激活参数权重一并开源。

三连发释放的信号很明确：开源模型与闭源前沿之间的差距，正从“代差”缩小到“身位”。当最强开源模型能在主流编程基准上和旗舰闭源模型互有胜负，采购方的谈判桌两边，筹码正在重新分配。

价格战没有熄火：Opus 5.5 极速模式全量开放

Anthropic 本周向所有开发者开放 Claude Opus 5.5 极速模式，输出速度达到标准模式的 2.5 倍，同时配套上线用量监控方案。对把模型嵌进生产流程的团队来说，“快”和“看得见花费”同样是刚需—— Agent 任务动辄几十次工具调用，延迟和账单任何一项失控，Demo 都走不进车间。

价格层面的动作更狠。Opus 5.5 输入每百万 token 4 美元、输出 20 美元，缓存读取降到 0.2 美元，按官方口径，典型负载成本比 Opus 5 低约四成；Google Gemini 4 Argon 带着 97.5% 的 ARC-AGI-3 成绩入场，并把价格压到 3.5 美元输入、14 美元输出的一档；Meta Muse Wonder 直接对标 4 美元、20 美元。当头部厂商在同一周把“能力”和“价格”一起卷，企业采购的决策变量已经从“哪个模型最强”变成“哪个任务用哪家最划算”。能力不再是唯一的约束，单位经济学成了新的主战场。

算力塞进背包：RTX Spark 笔记本开卖即售罄

英伟达 RTX Spark 笔记本本周全球发售，128GB 统一内存、2399 美元起售，开售数分钟即告售罄。国内已经有开发者用 37999 元的华硕 ProArt 创 16 本地跑起 Qwen3.8-27B，不花 API 费用完成多种 AI 任务，并把这套体验称为“Token 自由”。旗舰模型跑在个人桌面上的时代，比预想的来得更早。

配套的软件底座也在同步到位：英伟达开放 Nemotron 3.5 Bolt 权重，把 740 亿参数从约 148GB 压缩到 22.1GB，让笔记本本地运行 Agent 从展会演示变成日常选项。当“数据中心级”模型可以装进背包，端侧智能的普及曲线会比预期更陡，隐私敏感场景也会多出一条不经过云端的路。

人机分工重写：Anthropic 的 2030 预言与 Codex 往事

比模型参数更值得琢磨的，是 Anthropic 一份内部报告透露的数字：1334 名员工中，预计到 2030 年底 AI 将承担前沿模型开发 95% 的工作，而目前 Agent 的工时已经远超人类员工。如果这份自查大体准确，“AI 研究员”这个岗位的定义将在几年内被改写，瓶颈会从“会不会做”转向“提什么问题、验证什么结果”。

另一篇 8000 字长文则复盘了 Codex 的逆袭史：从首发遇冷，到转向本地 Agent、借 GPT-5 系列突围，再到成为 ChatGPT 桌面端的底座，下一步计划重回云端，探索没有固定界面的主动式 Agent。一个产品的沉浮曲线，几乎就是这两年 AI 交互范式变迁的缩影。

资本用脚投票：从 150 亿估值到 180 亿美元并购

一级市场同样火热。星尘智能完成超 10 亿元 B 轮融资，估值来到 150 亿元；四川具身科技拿下超 1 亿元 Pre-A 轮融资，情感交互机器人“爱湫”的迭代与德阳万台级生产基地建设同步推进，整机量产基地预计今年年底投产。国内具身智能的竞争，已经从“能不能走”切换到“能不能量产、能不能交付”。

海外资本的手笔更大：软银被曝洽购安保巨头 Allied Universal，股权价值至多 180 亿美元、含债务约 300 亿美元，核心目的是把机器人铺进安保场景；医疗端，史赛克向手术机器人公司 CMR Surgical 投入 4 亿美元并绑定销售代理。资本的逻辑已经换了——从为“概念”买单，转向为“真实场景闭环”买单。

这一周的信息密度很大，但主线只有一条：模型能力、开源生态、单位成本、端侧算力正在同时逼近临界点。对从业者来说，真正该盯的不是某次发布会上的跑分，而是这些变化叠加之后，哪些任务会在下一个季度变得“便宜到值得重做一遍”。