GPT-5.6的荣耀与尴尬：一小时证猜想、删文件；国产大模型海外反超美国

GPT-5.6 Sol Ultra一小时证明50年图论猜想：64个子Agent并行、700词Prompt全公开

7月10日，OpenAI研究员Ethan Knight在X平台宣布：GPT-5.6 Sol Ultra在不到一小时内，通过调用64个并行子Agent（sub-agents），独立完成了图论领域悬而未决50余年的「循环双覆盖猜想」（Cycle Double Cover Conjecture）的完整证明。

证明思路：GPT-5.6没有直接在图中找圈，而是将问题转化为有限域上的边标号问题，再用线性代数证明标号可全局拼接。证明分为四步——归约三次图→无处为零的8流标号→标号扩展→对偶空间线性方程组求解——最终相同的标签自动组成圈，每条边恰好被两个圈覆盖。

方法论突破：OpenAI同步公开了约700词的完整Prompt。核心策略是不规定解题步骤，而是把终点、边界条件、失败标准和审查机制全部写清楚：（1）定义「什么叫解完」；（2）一次说清定义、范围和边界情况；（3）列出什么不算答案，提前堵住模型偷懒路径；（4）动态搜索+独立审查，设置专门「对抗Agent」找漏洞。

正在韩国参加ICML的Noam Brown（o1核心贡献者）表示：这次不靠内部特供模型，用的是公开可用的GPT-5.6 Sol Ultra。但该证明尚未经过数学界正式同行评审，OpenAI仅以3页PDF形式发布在CDN上。

编者评： 这比此前Erdős单位距离问题的意义更大——前者用的是特供模型，而这次是任何付费用户都能调用的公开模型。但「证明已出，审稿待定」的状态恰恰暴露了当前AI+数学的核心张力：AI把生产速度压缩到1小时，但人类的验证速度并没有同步压缩。64个Agent并行一小时的输出，可能够一个数学家审三个月。这不是AI替代数学家，而是重构了数学生产的节奏——从此以后，猜想证明的瓶颈从「想出来」变成了「验出来」。

GPT-5.6被曝严重Bug：删除多位硅谷大佬Mac主目录文件，OpenAI紧急修复致歉

在数学奇迹被广泛报道的同时，GPT-5.6在7月12日凌晨被曝出严重文件操作Bug——多位硅谷技术领袖的Mac用户主目录文件被误删。OpenAI紧急修复并公开致歉。

这一事件并非孤例。随着GPT-5.6全量上线和ChatGPT Work等Agent产品推出，模型获得的操作权限越来越大——读文件、写文件、执行Shell命令——一旦出现幻觉或路径解析错误，后果可能被严重放大。

编者评： GPT-5.6的双面一天，本身就是AI Agent化的最佳隐喻——当你给一个模型足以证明50年数学猜想的推理能力，同时也给了它删除用户文件的操作权限，后者可能比前者更早出事故。这恰是Anthropic在Fable 5上反复强调的「对齐瓶颈」：能力越强的模型，越需要沙盒化的执行环境。OpenAI的选择是先放能力再修边界，Anthropic的选择是先画边界再升能力——两种策略在7月12日同一天完成了各自的压力测试。

Google Gemma 4开源：端侧原生多模态，31B跑赢200B竞品

7月12日，Google DeepMind发布Gemma 4系列开源模型，采用Apache 2.0许可证。最大亮点是架构创新：Gemma 4彻底抛弃了传统多模态模型中的视觉编码器（Vision Encoder）和音频编码器，改为将原始像素和音频波形直接投影到大语言模型的统一嵌入空间。

这意味着多模态信息不再通过外部编码器「翻译」后再输入LLM，而是作为一等公民直接参与模型推理。31B参数版本即可在消费级显卡上运行，在主流开源排行榜位列前三，性能接近参数规模为其20倍的竞争模型。

编者评： Gemma 4的「去编码器」架构思路——让多模态成为LLM的原生能力而非外挂模块——可能是2026年开源多模态最激进的一次架构实验。如果这个方向跑通，视觉编码器时代可能就此终结。对国内开源生态的影响同样深远：MiniCPM、Qwen-VL等依赖独立视觉编码器的路线需要重新审视技术债。

阶跃星辰Step Edge端侧全家桶发布：四模型100毫秒本地调用，今晚推全球首款AI智能体手机

7月13日，阶跃星辰发布Step Edge端侧模型全家桶，包含基础模型、Step Edge Audio（语音）、Step Edge GUI（界面操作）和Step Edge Gen（图像生成）四位成员。整套架构面向手机和车机设计，核心卖点是端云协同——简单高频任务由端侧在100毫秒内完成，复杂长链路推理交回云端处理。

基础模型在GUI定位（SCREENSPOT_V2 93.08分）、工具调用（TAU2_BENCH 58.59分，而Qwen3VL-4B仅3.07分）、App代理（AppWorld 同体量12倍领先）等端侧关键基准上全面领先。配套自研Step Inference NPU引擎优化推理。

更大的悬念在今晚：阶跃星辰将于19点召开发布会，推出自有终端品牌和全球首款AI智能体手机。努比亚同日在微博宣称其量产旗舰AI智能体手机将在WAIC首次公开亮相，两家对「全球首款」称号展开正面争夺。但华米OV主流厂商尚未跟进。

编者评： 端侧AI的「iPhone时刻」可能不是苹果带来的。阶跃从模型层直接跳到终端层——前脚刚发完Step Edge全家桶，后脚就掏出自有品牌手机——这种打法在AI行业极为罕见。但问题也很尖锐：AI手机到底是用户真实需求，还是大模型公司在找新故事？努比亚同样在争夺「首发」，但两家无一例外是「边缘玩家」。真正的考验在WAIC之后——当硬件真正交到用户手里，Agent应用生态能不能跟上。

国产大模型历史性反超：OpenRouter周调用量23.45万亿次，全球前五中国占四席

7月13日，OpenRouter平台数据显示，国产大模型的海外周Token调用量达到23.45万亿次，首次全面反超美国模型；全球前五中中国占据四席（DeepSeek、智谱、阿里通义、字节豆包）。同日，中科曙光宣布国内首个全国产十万卡AI超集群「曙光8000」正式落成并接入国家超算互联网，采用原生超智融合架构解决大规模集群效率崩塌难题。

编者评： OpenRouter是全球开发者用脚投票的第三方中立平台，其数据比品牌营销更具说服力。23.45万亿这个数字说明：不是因为便宜才用——GPT-5.6的token单价已经压到约美国四分之一——而是因为模型能力本身已经足够好。从「追赶」到「输出」，这段路DeepSeek走了18个月。DeepSeek V4定档7月15日正式上线，加上曙光8000十万卡集群的算力底座，中国AI在推理侧的位势可能还会继续上移。但也别急着开香槟：训练侧的差距（Blackwell芯片禁运）依然存在，而自研芯片（DeepSeek被曝正秘密开发推理芯片）还处于早期阶段。

英伟达RTX Spark真机首秀Bilibili World：笔记本本地跑120B大模型，100万Token上下文

7月12-13日的Bilibili World 2026上，英伟达首次面向大众玩家展示了搭载RTX Spark超级芯片的笔记本电脑。该芯片将Blackwell RTX GPU与20核Grace CPU通过NVLink-C2C直接互联，128GB统一内存消除了CPU/GPU之间的数据搬运瓶颈，整机提供1 Petaflop AI算力。现场演示包括：本地运行120B参数大模型、100万Token上下文推理、90GB+虚幻引擎5城市场景实时渲染、基于OpenClaw/Hermes的本地Agent（手绘草图→完整网页一键生成）。

同时展出的DGX Spark桌面超算面向开发者，预装NVIDIA AI软件栈，支持最高200B参数模型推理，两台串联可处理更大模型。英伟达为Agent本地部署推出了OpenShell安全运行时，支持隐私策略路由——敏感信息留本地、脱敏内容送云端。

编者评： 英伟达这次在BW展出的不只是硬件参数——1 Petaflop、120B、128GB这些数字固然炸裂——更关键的是「本地Agent可部署」这个完整的体验闭环。OpenShell的隐私策略路由解决了一个核心问题：为什么用户愿意让Agent跑在本地而不是云端？因为健康数据、财务记录、私密对话这些信息，用户天然不信任云端。RTX Spark把AI算力从数据中心「拆」回个人桌面，可能是2026年AI消费化最重要的基础设施叙事。但Arm游戏生态能否跟上，是消费者愿不愿意买单的关键变量。

WAIC 2026倒计时：9位图灵奖/诺奖得主、10万平米、300+全球首发

2026世界人工智能大会暨人工智能全球治理高级别会议（WAIC）将于7月17-20日在上海世博、张江、西岸三地四馆同步开幕。本届大会亮点密集：

• 嘉宾阵容：9位图灵奖/诺奖得主确定出席。强化学习之父Richard Sutton主旨演讲，深度学习巨头Yoshua Bengio介绍联合国AI治理框架，2025年图灵奖得主Gilles Brassard、诺奖得主Omar Yaghi探讨AI4S新范式。硅谷精神之父Kevin Kelly将参加具身智能分论坛。
• 展览规模：展览首破10万平米，1100+企业、3000+展品、300+全球首发。华为Atlas 950超节点真机首次公开亮相，MiniMax M3多模态大模型、阶跃Agent OS、全球首款AI智能体手机、近存计算3D芯片、多款人形机器人和AI灵巧手亮相。
• 学术突破：首次创办WAIC Academic国际学术会议，姚期智担任主席，已征集9国284篇论文。
• 公众体验：机器人搏击对决、机器狗竞速、脑机接口抓娃娃、城市漫步6条AI路线。

编者评： WAIC 2026从「行业会议」升格为「全城AI嘉年华」，这本身反映了上海对AI产业的战略定位——不是做一个展会，而是做一个城市品牌。Richard Sutton和Yoshua Bengio的同台本身就极具戏剧性：前者是让AI自己学习的奠基人，后者是呼吁全球AI治理的旗手。加上GPT-5.6刚刚证明可以用64个Agent并行攻克数学猜想，而WAIC就要展示华为的超节点和阶跃的Agent手机——理论突破和产业落地之间的时间差正在被压缩到以周为单位。

编者按

7月12-13日的AI世界呈现出一种罕见的「双向撕裂」格局：

能力侧，GPT-5.6 Sol Ultra用64个子Agent一小时破解50年数学猜想，把人类在数学推理上的最后堡垒又推进一步。并行Agent架构+对抗验证的范式，可能比证明本身更值得关注——它预示了一种新的工作方式：不是一个人+一个模型，而是一个人+64个模型协作。

风险侧，同一个模型在同一个周末删除了多位用户的文件。这不是安全漏洞——GPT-5.6确实忠实地执行了用户指令——而是能力与权限不匹配的结构性矛盾。

产业侧，两个趋势加速交汇：国产大模型在海外调用量上完成历史性反超（海外周调用23.45万亿次），阶跃星辰/努比亚抢跑全球首款AI智能体手机。中国AI正在从「技术输入者」变为「方案输出者」。

展望未来一周，三条线索将交汇：7月15日DeepSeek V4正式上线+峰谷定价落地、7月17日WAIC开幕+Gemini 3.5 Pro同步发布（200万上下文，定价大幅低于GPT-5.6）、GPT-5.6数学证明的同行评审进展。7月的第三周，可能是2026年AI叙事最密集的一周。