GPT-5.6 证明 50 年数学猜想、阶跃首发 AI 智能体手机、字节 EdgeBench 揭示 Agent 学习 Scaling Law
GPT-5.6 Sol Ultra 一小时独立证明循环双覆盖猜想；阶跃星辰发布全球首款 AI 智能体手机与 Step Edge 端侧模型全家桶；字节 Seed 发布 EdgeBench 发现 Agent 环境学习速度每三个月翻倍
GPT-5.6 Sol Ultra 用 64 个并行子智能体一小时攻破图论 50 年悬案，阶跃星辰让 Agent 从云端走进手机，字节 Seed 用 38000 小时交互数据证明——Agent 学习速度每三个月翻一倍。
GPT-5.6 Sol Ultra 一小时证明循环双覆盖猜想：AI 数学从辅助走向独立
事件概述
2026 年 7 月 10 日，OpenAI 研究员 Ethan Knight 宣布，GPT-5.6 Sol Ultra 在不到一小时内独立生成了图论领域悬置近 50 年的循环双覆盖猜想（Cycle Double Cover Conjecture）的完整证明。该猜想由 Tutte、Seymour 等图论巨匠提出，探讨无桥图中边与循环的特定覆盖关系——任何一个没有桥边的无向图，都能找到一组圈，让每条边恰好被这组圈覆盖两次。
模型使用 64 个并行子智能体协作完成证明，其中包含专门寻找漏洞的”对抗智能体”。系统禁止联网搜索，并要求对抗式验证。虽然预留了 8 小时，实际仅耗时约 1 小时。OpenAI 已将证明和完整提示词以 PDF 形式公开。
技术解析
证明路线展现了 AI 独特的推理路径：
- 约化：先用标准手法将问题约化到三正则图
- 标号：借助 8-flow 定理，给每条边标上 F₂³ 里的非零元素，让每个顶点处的和为零
- 线性代数构造：将标号”翻译”成两元素集合，通过线性代数论证构造满足条件的圈覆盖——让圈从标号中”长出来”，而非直接搜索圈
最值得注意的技术特征是 700 词的超长 Prompt 驾驭模式：不规定解题步骤，只定义验收标准——什么才算完成、哪些结果不算完成，复杂任务动态搜索并设置独立审查。这标志着”神话级模型”的 Prompt 工程范式成熟：从 SOP 驱动转向目标驱动。
此外，GPT-5.6 Sol Ultra 的 Ultra 模式将测试时计算大幅并行化——原本可能需要一整天的证明被 64 个子 Agent 压缩到一小时，这是多智能体调度在推理阶段的标志性应用。
行业影响
- AI 数学的质变时刻：此前 AI 的数学成果多为与人类协同完成（如 Erdős 单位距离猜想），而此次是 LLM 首次独立解决被列入”未解决数学问题”列表的重要难题。若通过同行评审，将是一个里程碑
- 验证责任转移：OpenAI 将一份重大数学声明的验证责任直接甩给了数学共同体——3 页 PDF 无作者署名、无机构联署，也未使用形式化证明工具进行机器验证。英国曼彻斯特大学数学家 Thomas Bloom 评价证明”非常漂亮”，但也指出其未引用任何已有文献
- 递归自我改进信号：此前 GPT-5.6 Luna 已由 Sol 自主完成后训练，此次 Sol Ultra 的自主数学证明进一步验证了”AI 优化 AI”的飞轮正在转动
相关链接
阶跃星辰发布全球首款 AI 智能体手机：Agent 从云端走进终端
事件概述
2026 年 7 月 13 日，上海大模型企业阶跃星辰正式发布全球首款原生 AI 智能体手机及 Step Edge 端侧模型全家桶，成为全球大模型企业中首个实现原生智能体手机量产交付的厂商。该手机由 A 股上市公司华勤技术负责制造，搭载阶跃自研的 Agent 操作系统，将在 7 月 17 日 WAIC 2026 上公开展示。
同步发布的 Step Edge 端侧模型全家桶包含四款模型：Step Edge 基础模型（文本+视觉理解）、Step Edge Audio（语音与音频交互）、Step Edge GUI（屏幕理解与界面操作）、Step Edge Gen（端侧图像生成与编辑）——覆盖了一个终端 Agent 需要面对的主要任务链路。
技术解析
Step Edge 的三大核心技术突破：
- 超低本地延迟：支持低至 0.1 秒的端侧本地 tool call 执行，简单、高频任务可在本地实时响应，减少对云端链路的依赖
- 全模态隐私保护：文本、视觉、语音等多模态信息可在本地处理，敏感数据不出端——这是手机、汽车等强隐私场景的关键需求
- 原生端云协同：简单任务与弱网/无网场景由端侧快速响应，复杂推理与长链路任务交由云端完成，实现速度、能力与成本的整体平衡
配套的 Step Inference NPU 引擎针对终端硬件进行推理优化，在多种输入形态下进一步降低端到端延迟。Step-GUI 图形界面智能体为核心突破点，融合轻量化端侧推理模型与标准化开放协议，支持在超过 200 款主流应用中自主执行跨应用、多步骤、高连贯性的复杂操作。
行业影响
- Agent 落地从云端到终端的标志性转折：此前 AI Agent 几乎全部运行在云端（Codex、Claude Code、ChatGPT Work），阶跃首次将 Agent 的感知-决策-执行闭环完整搬进手机终端。工信部已明确提出到 2030 年新一代智能终端和智能体应用普及率超过 90%
- 大模型公司下场造硬件的新范式：不同于苹果/三星在手机上加 AI，也不同于 OpenAI/Anthropic 纯做云端，阶跃走的是”大模型+终端硬件”双轮驱动路线。华勤技术深度绑定代工（非贴牌模式），构建从芯片推理引擎到模型到硬件的全栈自主可控
- 端侧推理竞赛加速：努比亚也将在 WAIC 上展示 AI 智能体手机，荣耀推出 RobotPhone——2026 年下半年将成为”AI 手机”从概念到产品的集中爆发期
- 商业模型变革：相比 API 调用和软件订阅，硬件能建立更长周期的商业关系，持续沉淀用户数据、构建生态
相关链接
字节 Seed 发布 EdgeBench：Agent 学习速度每三个月翻倍
事件概述
2026 年 7 月 6 日，字节跳动 Seed 团队发布 EdgeBench——行业首个面向 12 小时级长时序自主 AI 智能体的工业级开源评测基准。论文发表于 arXiv（2607.05155），核心发现引发行业广泛关注：分析约 38,000 小时的 Agent 交互数据后，团队发现 Agent 的环境学习表现遵循一条高精度 log-sigmoid 缩放定律（R² = 0.998），且前沿模型的学习速度每三个月翻一倍。
技术解析
EdgeBench 的核心创新在于评测范式的根本转变——不是测”模型已经知道什么”，而是测”模型在跟环境持续交互时会怎样学习并改进”：
- 134 个真实任务，跨越科学发现、软件工程、组合优化、专业知识工作、形式数学、交互游戏六大领域
- 每个任务支持至少 12 小时持续运行，配备丰富多层反馈（本地测试、隐藏评测器、评分反馈）
- 依托自研 SForge 隔离式调度框架，实现分布式集群调度
关键发现：
- Log-sigmoid 缩放定律：将 134 个任务按交互时间聚合平均后，模型表现随时间提升的轨迹高度拟合 log-sigmoid 曲线，五个模型 R² 均不低于 0.997——这意味着 Agent 的环境学习惊人地可预测
- 每三个月翻倍：从 2025 年 9 月到 2026 年 5 月的模型代际对比，Agent 学习速度呈现约三个月翻一倍的规律
- 排行榜：Claude Opus 4.8 以 51.3 分领先，GPT-5.5（48.4）紧随其后，GPT-5.4（39.3）、GLM-5.1（37.4）、DeepSeek-V4-Pro（31.0）分列其后
行业影响
- Agent 评测从”快照”走向”学习曲线”：传统基准（SWE-Bench、HumanEval 等）测的是一次性答对率，EdgeBench 测的是持续改进能力。这更接近真实工作场景——人类工程师的竞争力不在于第一次就答对，而在于从反馈中快速学习
- “每三个月翻倍”堪比摩尔定律：如果这一趋势持续，意味着 Agent 的自主学习能力将在未来 1-2 年内出现指数级跃迁，对自动化编程、科研发现、系统运维等领域产生深远影响
- 开源促进公平对比：51 个任务 + 完整评测框架已开源，任何团队都可在同一标准下横向对比，降低了评测壁垒
- 对 Scaling Law 理论的补充：此前缩放定律主要描述预训练阶段（数据量/计算量→能力），EdgeBench 则揭示了部署后阶段（交互时间→学习提升）的规律，补全了”训练缩放→推理缩放→环境学习缩放”的完整图景
相关链接
速览
- WAIC 2026（7 月 17-20 日）：300 余款产品全球首发，包括阶跃 Agent 操作系统、努比亚 AI 智能体手机、百度智能体全家桶、荣耀 RobotPhone；议题涵盖世界模型、开源智能体、AI Coding、Token 经济
- Gemini 3.5 Pro 定档 7 月 17 日：推翻重建的全量重训版本，前端代码与 SVG 生成能力实现代际超越，200 万 token 上下文与 DeepSeek V4 正面交锋
- Kimi K3 确认 7 月发布：2.5 万亿参数 MoE + 1M 上下文 + 原生多模态，WAIC 前后窗口期
- DeepSeek V4 正式版 7 月中旬上线：多模态补全 + MCP 协议原生适配