AI 前沿速递 · Vol.140

AI前沿速递 · 2026年10月08日

OpenAI 把一个未发布前沿模型的 722 篇数学手稿连同 Lean 形式化证明放进公开 GitHub 仓库；Anthropic 发布 Claude Haiku 5.5，在 OSWorld、GDPval 等基准上越过 GPT-6 Luna 并把价格砍到上一代的十分之一；OpenAI 随新 GPT-6 推出 Intelligent UI，把可交互元件塞进对话；Google 开放 synthid.com，任何人可查媒体是否 AI 生成；Mistral 发布一万亿参数的 Mistral Large 4，权重计划十月底放出。

前沿速递 AI OpenAI Anthropic Claude Mistral Google AI数学 内容溯源 开源模型

今天的五条分成两半：一半在把东西摊开——722 篇数学手稿进公开仓库、ChatGPT 的对话里长出可以按的按钮、SynthID 的查验入口对所有人开放；另一半在把门槛往下放——Haiku 5.5 把价格砍到上一代的十分之一，Mistral 把一万亿参数的权重排进了十月底的日程。

OpenAI 把 722 篇数学手稿放进公开仓库

事件概述：当地时间 10 月 6 日，OpenAI 发布《Sharing AI progress in mathematics》，把一个尚未发布的内部前沿模型产出的数学结果整体公开：722 篇手稿，归入 372 个「结果族」，覆盖数百个长期悬而未解的公开问题。仓库里除了论文，还有用 Lean 写的形式化证明、10 份模型推理过程摘要、按 ChatGPT Pro 用量折算的算力估算，以及尝试过的题目数量统计。官方给出的口径是，平均每个结果消耗的算力约等于三小时 ChatGPT Pro 思考。The Verge 次日跟进，由 OpenAI 出资组建的独立顾问小组 AGMAI 确认这批结果里含「数百个」公开问题的解。

为什么值得关注：可核查性这次交到了外部手上。9 月 OpenAI 只说模型「解决了 100 多个长期开放问题」，不给清单，也不给时间；这次连仓库带 Lean 证明一起放出来，数学界可以按条目逐条验。发布方式仍留着争议——AGMAI 9 月底的建议里写明，别把数学结果的发布当成模型营销工具，而 OpenAI 这次依旧发在自家 GitHub，只承诺未来改善论文的引用、数学表述与结果呈现。围绕千禧年大奖难题那几轮的署名与引用伦理争论还没平息，这批结果真正被消化需要时间。

相关链接：

Claude Haiku 5.5：小模型在同一张表里赢了上一代和对手

事件概述：10 月 7 日，Anthropic 发布 Claude Haiku 5.5。官方基准表里，GDPval-AA v2.1 拿到 Elo 1620，上一代 Haiku 4.5 是 735，GPT-6 Luna 是 1437；OSWorld 2.1 离线子集 72.4%，Haiku 4.5 只有 15.7%，GPT-6 Luna 是 48.9%；Terminal-Bench 4.0 39.2%，Haiku 4.5 是 0.0%，Luna 是 16.4%。价格上，提示词在 10 万 token 以内的请求输入 0.10 美元/百万 token、输出 0.50 美元，Haiku 4.5 对应的是 1 美元和 5 美元；超过 10 万 token 的部分减半。官方称平均运行成本降了约 75%。这是第一个支持 effort 调节的 Haiku 模型，从 low 到 max 五档。同一天，Sonnet 5.5 的缓存读取价格从 0.20 美元降到 0.10 美元，Anthropic 称多数 agent 任务的成本降约 20%；Max 与 Team 订阅用户本周起可领每月 API 额度，Max 5x 每月 100 美元，Max 20x 每月 200 美元，Team 每月最多 500 美元。

为什么值得关注：小模型这次追的不是「便宜一点」，是在同一张价格表里把上一代和更大号的对手一起比下去——OSWorld 上 Haiku 5.5 的 Low 档比 Haiku 4.5 的 Max 档更准，单次成本还更低。真正卡人的换成了工程侧：模型换了 tokenizer，代码、表格与非英语内容的 token 膨胀更明显，实际省下的钱比标价折扣少；budget_tokens 手动思考配置会直接报错，必须改成自适应思考加 effort 参数；temperature、top_p、top_k 全部锁定默认值；assistant 消息预填充被取消；计算机操作工具从 computer_20250124 换成 computer_toolset_20260801；自适应思考默认开启后，响应第一个内容块未必是正文。任何一处都能让现有请求报错或返回非预期结构。上限也很清楚：Terminal-Bench 4.0 上 39.2% 对 Sonnet 5.5 的 70.6%，复杂多步编码与跨文件重构仍得交给大杯。

相关链接：

ChatGPT 长出界面：对话里直接塞可点的元件

事件概述：当地时间 10 月 7 日上午 11 点（PDT），OpenAI 随一个新 GPT-6 模型推出 Intelligent UI。回答不再只是文字，会带上可按的按钮、为具体任务定制的计算器、可交互可编辑的图表。产品经理 Aarush Selvan 给的例子是问「机翼怎么产生升力」，ChatGPT 直接生成一组示意图；官方还演示了食谱配图、自行车机械原理、多日徒步地图、个人储蓄计算器。功能先在 Pro、Plus、Business、Enterprise 上开放，次日下午覆盖免费档与 Go 档，视觉元素的密度用户可以自己调低。

为什么值得关注：ChatGPT 的形态从「读一段回答」挪到了「用一段回答」。界面一旦变成生成物，出错的形态也跟着变——算错的计算器、画错的示意图比一句写错的话更难被读者发现，而 OpenAI 这轮没有公布这类元件的准确率口径。TechCrunch 点出了官方没直说的另一层：降低门槛、拉进更广的用户群。

相关链接：

SynthID 的查验入口对所有人开放

事件概述：当地时间 10 月 7 日上午 7 点（PDT），Google 上线 synthid.com，任何人可以上传图片、视频或音频，查它是不是 AI 生成的。图片支持 JPG、PNG、WEBP、AVIF、HEIC、TIFF、GIF 等格式，视频支持 MP4、MOV、WEBM，音频支持 WAV、MP3、OGG、FLAC、AAC、M4A。这个工具去年 I/O 只给记者、媒体从业者和研究者试用，现在全面开放。Nano Banana、Veo、Lyria 以及带生成能力的 Gemini、Flow、ProducerAI、Vids 都会打 SynthID 水印。OpenAI、英伟达、Kakao 也在支持名单里，OpenAI 另有自己的验证页；苹果据称即将加入。Google 说目前每天有 100 万次验证请求，查验功能也已嵌进 Gemini app 和 Chrome。

为什么值得关注：水印从「打了就算」走到了「谁都能查」。边界同样清楚：微软和 Meta 各有各的水印标准，几套体系之间不互认；TechCrunch 引路透今年 7 月的测试指出，这类工具连自家模型生成的裁剪图都认不出来。跨厂商互认这块仍是空的，查验入口开放只是第一步。

相关链接：

Mistral Large 4：一万亿参数，权重三周后放

事件概述：当地时间 10 月 6 日，Mistral 发布 Mistral Large 4，一万亿参数的多模态模型，内部绰号 Le Chonk。眼下只能通过带护栏的公开端点访问，权重计划三周后、也就是十月底放出，中间做安全测试。科研副总裁 Pierre Stock 的说法是，过渡期会与可信伙伴和政府合作，确保开源权重能用于防御，不用于恶意攻击。训练全在自家算力上完成，用了 4000 张英伟达 GPU，Stock 称是中国同行的二分之一到三分之一，也明显少于闭源对手。基准成绩尚未公布。官方点名的优化场景是网络安全、金融与芯片设计——后两项对应两大投资方：领投 C 轮的 ASML，以及上月以 210 亿欧元估值领投 D 轮的三星。法国总统马克龙称其为 AI 的「第三条道路」。

为什么值得关注：Mistral 自称这是中国以外最好的开源权重模型，实际落地的是「先端点、后权重」的折中——领先期靠闭端点赚，三周后转开源。基准分还没出，现在只有厂商口径；4000 张卡这个数字若成立，是一条效率叙事，得等权重放出后独立复现才算数。放在闭源可随时断供、开源多由中国主导的格局里，这条欧洲路线本身就是被观察的对象。

相关链接：