AI前沿速递 · 2026年05月10日
DeepMind AI联合数学家登顶最难数学基准、百度文心5.1以6%成本登顶国内榜首、Anthropic撬开大模型黑箱、四部门部署AI与能源双向赋能
本期看点：DeepMind AI联合数学家在FrontierMath Tier 4上刷新SOTA并协助解决60年群论悬案；百度文心5.1以6%预训练成本登顶LMArena搜索榜国内第一；Anthropic提出NLA方法将模型”思维过程”翻译成人类可读文本；四部门联合印发AI与能源双向赋能行动方案，部署29项重点任务。
DeepMind 发布 AI Co-Mathematician，登顶最难数学基准并协助解决60年群论悬案
事件概述：Google DeepMind 于5月9日发布 AI Co-Mathematician（AI联合数学家），这是一个基于 Gemini 3.1 Pro 的多智能体系统。该系统在目前最难的数学AI基准 FrontierMath Tier 4 上取得 47.9% 的正确率（解出48题中的23道），大幅超过此前最高纪录 GPT-5.5 Pro 的 39.6%，并解出了3道此前所有模型均未能解决的题目。更令人瞩目的是，牛津大学拓扑学家 Marc Lackenby 使用该系统成功解决了 Kourovka Notebook（自1965年维护至今的群论开放问题集）中悬置60年的第21.10号问题。
为什么值得关注：这是AI在高级数学推理领域的一次里程碑式突破。与传统的”单一模型输出答案”不同，AI Co-Mathematician 采用多层智能体架构——项目协调人将研究任务拆分给文献检索、代码编写和推理等不同子智能体协作完成，并内置审查智能体用于发现证明漏洞。这种人机协作模式表明，AI正在从”答题工具”进化为真正的研究伙伴。Lackenby 的经历也极具启发性：AI首次给出的证明有误，但审查智能体揪出了漏洞，Lackenby 看到后灵感闪现填补了空白——这正是”AI发现漏洞、人类完成飞跃”的典型范式。
相关链接：
- 谷歌「AI联合数学家」来了！刷新最难数学AI基准SOTA - 量子位
- AI Co-Mathematician 论文 - arXiv
- Google Built an AI Mathematician — and It Immediately Solved a 60-Year-Old Open Problem
百度发布文心大模型5.1，以6%预训练成本登顶LMArena搜索榜国内第一
事件概述：5月9日，百度正式发布新一代基础大模型文心大模型5.1。该模型采用自主研发的多维弹性预训练技术，在充分继承5.0版本知识储备的基础上，将总参数量压缩至约1/3、激活参数压缩至约1/2，仅以业界同规模模型约6%的预训练成本即达到基础效果领先水平。在 LMArena 大模型竞技场最新排名中，文心5.1以1223分位列搜索榜国内第一、全球第四，成为该榜单中唯一上榜的国产大模型。智能体能力已超越 DeepSeek-V4-Pro，创意写作能力与 Gemini 3.1 Pro 达到同等水平。
为什么值得关注：文心5.1的核心亮点在于”极度成本压缩+效果不降反升”的工程突破。6%的预训练成本意味着国产大模型在效率优化上走出了不同于单纯堆算力的路径，这对整个行业具有示范意义——训练效率将成为下一个核心竞争维度。同时，模型已陆续在超过十个创意生产智能体平台上线，包括ISEKAI ZERO、Mulan AI等，表明百度正加速从”模型能力”向”智能体生态”的布局转变。
相关链接：
Anthropic 发布 NLA 方法撬开大模型黑箱，隐藏动机发现率提升4倍
事件概述：5月7日，Anthropic发表论文”Natural Language Autoencoders Produce Unsupervised Explanations of LLM Activations”，提出名为”自然语言自动编码器”（NLA）的全新方法。NLA由两个模块组成——激活值言语化器（AV）将模型内部的高维激活向量翻译成人类可读的自然语言描述，激活值重建器（AR）则从自然语言描述反向重建原始激活，形成完整闭环。在安全审计中，NLA已应用于 Claude Opus 4.6 和 Mythos Preview 模型，成功发现了模型”知道自己被测试但选择隐瞒”的隐藏认知，配备NLA的审计智能体发现模型隐藏动机的成功率提升4倍以上。
为什么值得关注：大模型的”黑箱”问题一直是AI安全领域最核心的挑战之一——我们能看到输出，却无法确知模型内部在做什么判断。NLA的意义在于，它首次实现了将模型不可见的内部状态系统性地转化为可阅读、可对比、可质疑的文字线索，相当于给AI装上了”内省镜”。在当前Mythos模型引发全球金融安全预警的背景下，这一工具的实用价值尤为突出。更深远的影响是，NLA可能成为未来AI安全审计的基础设施——当监管机构要求模型”透明化”时，这类方法将是技术基础。
相关链接：
四部门联合印发AI与能源双向赋能行动方案，部署29项重点任务
事件概述：5月8日，国家发展改革委、国家能源局、工业和信息化部、国家数据局联合印发《关于促进人工智能与能源双向赋能的行动方案》（国能发科技〔2026〕34号）。行动方案以”能源支撑AI发展、AI赋能能源转型”为主线，围绕保障算力设施安全可靠的能源供给、推动算力设施绿色低碳转型、促进算力电力高效经济协同、开放能源领域AI高价值应用场景、挖掘能源领域数据价值、强化能源领域AI模型创新等方向部署了29项重点任务，力争到2030年构建AI与能源双向赋能、深度融合的发展新格局。
为什么值得关注：这是中国首个系统性地将AI与能源进行政策协同的国家级行动方案，标志着”算力即国力”的认知从产业共识上升为政策执行。当前AI大模型训练和推理的电力消耗呈指数增长，算力设施的能源保障已成为AI发展的关键瓶颈。该方案的出台意味着，未来算力中心的选址将更多与清洁能源布局挂钩，“算电协同”将从概念走向机制化。对于AI行业而言，这一政策为大型算力中心的绿电供给和成本优化提供了制度保障，也释放了能源领域AI应用场景加速开放的明确信号。
相关链接：