Agent执行栈的黎明：从黎曼突破到30B小钢炮，Agent基础设施一天内成型

Claude将黎曼ζ函数零点比例下界从41.6%推至67.2%

过去两年AI在数学上的进步大多通过竞赛成绩被感知——IMO拿不拿牌、能不能在下围棋的题上比人类快。Anthropic 8月10日公布的这项研究打破了这套评价体系：让一个内部未发布的科研版Claude去”认真试试证明黎曼猜想”，它在36小时内把黎曼ζ函数临界线零点比例的已知下界从41.6%一举推到67.2%。

这个下界上一次被人类数学家刷新是在1980年代。Claude用36小时跨过了46年的人类累积进步。

关键数字：650个想法全部失败、60个子Agent分工协作（2个核心思路+13个辅助+30个尝试新方向未成功+13个验证者+2个论文写手）、31M输出token、约2400次shell命令、数百个Python脚本、从arXiv下载54篇论文自查查重。

Claude的最终数学洞见并非原创——它将Baluyot/Goldston/Suriajaya/Turnage-Butterbaugh的近期成果与Bombieri 2000年的一篇论文做了创造性的组合。但这个”组合”正是人类数学家过去46年没做出来的一步。Anthropic内部数学家Levent Alpöge和Ralph Furman已确认结果，外部专家Brian Conrey和Dan Goldston审阅了论文，Lean形式化验证已通过标准工具Comparator检查。

一些细节值得品味：发起这个实验的是Anthropic员工Jarred Sumner，一位非数学背景的工程师。他的主要贡献是不断回复”keep going""believe in yourself”。Anthropic在博客结尾调侃说，Claude自己也一度对取得进展颇为怀疑——也许和很多人一样，Claude低估了AI的进步速度。

另外值得注意的是，Anthropic强调这套方法大概率无法直接通向黎曼猜想的完整证明。67.2%不是说黎曼猜想了67.2%的路程——这只是零点比例在临界线上的下界，剩下的32.8%仍然完全没有被证明。但从一个开放问题的研究方法论上看，这是AI从”有标准答案的竞赛题”迈入”没人知道答案的开放研究”的里程碑。

编者评： 这件事的意义不在于”AI数学多厉害”，而在于科研方法论的范式转移：一个非数学背景的工程师提出问题、60个AI子Agent并行尝试650条路线、读写论文、写代码做数值实验、交叉验证、最后写成Lean形式化证明——整个过程只用了36小时。这不是”AI取代数学家”，而是”人类提问+AI探索+人类验证”的新三角。想象一下，当这种能力从数学扩展到材料科学、药物发现、气候模拟——那些因为人类研究者时间和阅读量有限而来不及尝试的想法，将第一次获得被大规模验证的机会。不过Anthropic未公开模型版本和完整过程记录，外部不可复现，这本质上还是实验室演示而非科学实践。

Meta开源Muse Glimmer 30B：能塞进MacBook的Agent小钢炮

Meta AI在同一天（8月11日）做了一软一硬两件事。硬的是发布Muse Glimmer——一个30B参数的Apache 2.0开源模型，专为本地Agent工作流优化；软的是扎克伯格发表6500字长文《The Future is for Everyone》，不点名炮轰闭源AI阵营。

Muse Glimmer的核心主张：“开源模型要么太大跑不动，要么太小不好用”的困境已被打破。Meta通过从Muse Spark蒸馏+4-bit量化，将30B权重压缩到20GB以内，在24GB显存的RTX 4090或32GB统一内存的Mac上不仅跑得起来，还能留出空间给视觉编码器和上下文缓存。Meta声称量化对Agent任务性能几乎无衰减。社区响应极快——Unsloth同日发布GGUF量化版，首批评测显示与Qwen 3.6 27B对标性能相当。

配合模型的扎克伯格檄文火力更猛。他写道：“令人惊讶的是，许多正在开发AI的人的言论充斥着末日论……我不理解为什么有人一边相信AI将消灭大多数工作和人类的意义，一边又急于建造那个未来。认为AI如此危险以至于唯一安全路径是极端权力集中，这个想法本身就存在问题。“文章核心论点：个人赋能而非自动化才是AI最大的贡献，开源模型+广泛访问是通向最佳结果的路径。Hacker News 1,184分、637条评论。

编者评： Glimmer和Nemotron 3.5 Lightning同天发布不是巧合——两家公司正在为同一个位置下注：Agent工作流中那个”不是最聪明但随时在线、本地运行、任务量最大”的执行层。这和Vol.102中扎克伯格的”未来属于每个人”开源宣言形成——102是在说口号，103是在交付产品。不过注意一个微妙的张力：扎克伯格说要分布化超级智能，但他通过蒸馏自己的闭源Muse Spark来创建Glimmer——开源的是产品，不是方法。到底什么叫”开源”，这个定义的角力才刚刚开始。

OpenAI将GPT-5.6 Luna设为ChatGPT免费默认模型

OpenAI在8月12日将GPT-5.6 Luna推入ChatGPT免费层：Free和Go用户获得无限文本对话、无消息上限，新增Think按钮让免费用户也能在难题上消耗额外推理。Plus/Pro用户获得GPT-5.6 Sol调优版+网页/移动端/桌面端的推理力度滑块。

公司自报的内部评估：在金融/医疗/法律类需要事实精确度的提示中，响应的至少一处事实错误率在Luna上下降约62%、Sol上下降约68%（对比旧版GPT-5.5 Instant）。同时宣布ChatGPT周活达10亿人——这是一个被严重低估的数据：它意味着地球上每8个人就有1人每周使用ChatGPT。

两个关键信号：(1)纯文本聊天正式成为免费公共品——当最便宜的模型已经够好，付费层必须靠”真正能干活的场景”（编程、研究、Agent任务）而非”能问问题吗”来证明价值。(2)OpenAI用免费层同时解决两个问题：防守端阻止用户流向免费竞品，进攻端用10亿用户的数据飞轮训练下一代模型。

编者评： 和同日发布的Meta Glimmer、Nvidia Nemotron放在一起看，一条清晰的产业链分层正在浮现：最底层是本地运行的30B Agent模型（Meta/Nvidia），中间层是免费云端对话（OpenAI Luna），顶层是付费的复杂推理和Agent编排。免费化不是终点——它是价值从”对话层”向上迁移到”Agent编排层”的信号。真正赚钱的不是帮你聊天，是帮你的Agent干活。这也解释了为什么River AI——做Agent定制和微调基础设施——能拿到11亿美元。

Nvidia发布Nemotron 3.5 Lightning 30B MoE + NeMo Switchyard

如果说Meta的Glimmer是”面向个人用户的本地Agent模型”，Nvidia的Nemotron 3.5 Lightning则是”面向企业Agent执行层的30B专用引擎”。

关键架构差异：Lightning是混合专家（MoE），30B参数仅激活3B/token——用3B级计算成本拿到30B级模型能力。配合推测解码和多token预测，Nvidia声称输出速度可达同类模型的4倍。PinchBench准确率86%、完成10,000个任务比Qwen3.6 35B快30%。

更有意思的是配套发布的NeMo Switchyard——一个开源模型路由库，自动将Agent工作流中的每个步骤分配给最合适的模型。复杂规划路由到Nemotron 3 Ultra或GPT-5.6，高频执行路由到Lightning。Nvidia内部测试显示Switchyard维持前沿精度同时将任务完成成本降至仅用Claude Opus 4.8的约1/3。

支持OpenClaw和Hermes Agent框架、可部署在DGX Spark/Jetson/RTX 5090、用OpenMDW-1.1协议开源权重+训练数据+配方。CrowdStrike、Harvey、CodeRabbit、Lila Sciences和Fastino Labs已是早期企业合作伙伴。

编者评： 这张牌打得很精准——Nvidia不是在和Meta抢”谁的30B更强”，而是在定义一个Agent架构范式：“大模型做计划+小模型做执行”。NeMo Switchyard把这种分工从”开发者自己调”变成了”开箱即用的路由库”。如果这个架构成为行业标准，Nvidia就从”卖铲子”变成了”规定怎么挖矿”——从芯片层到框架层到模型层的全栈控制。但Meta的Glimmer也在做同样的事（蒸馏自Spark），两个阵营的30B Agent模型生态可能在未来几周内分化。

River AI获11亿美元融资：成立仅两月的开源微调平台

坐落在今天的喧嚣中有一条格外醒目的融资新闻：xAI联合创始人Igor Babuschkin创立的River AI宣布完成11亿美元种子+A轮融资，由General Catalyst和AMP PBC领投，Nvidia、AMD Ventures、Y Combinator和淡马锡跟投，估值约50亿美元。它成立仅两个月。

River AI不训练自己的大模型。它的产品是一条API：让开发者用LoRA（低秩适配）和强化学习在开源模型上进行微调，支持35B到1T参数范围，声称15-20分钟完成复杂RL任务、成本比闭源方案低2-4倍。Babuschkin的愿景：“让每个人都拥有属于自己的AI代理”——用户在自己的数据上训练模型，而非接受通用企业助手的”一刀切”输出。

这不是”又一个前沿实验室”的融资故事，而是一注押在”开源模型时代的定制基础设施”上的11亿美元赌注。投资方名单本身就是信号：芯片商（Nvidia/AMD）+加速器（YC）+主权基金（淡马锡）——所有人都在抢Agent基础设施赛道的入场券。

编者评： 今天的融资环境出现了一个有趣的分化。OpenAI以8520亿美元估值完成70亿内部股回购（同日），那是对闭源前沿的押注。River AI 11亿投给一个开源微调平台，是对”模型本身不是终极护城河，微调管道才是”的押注。这两笔钱代表了AI行业对”价值到底在哪一层”的根本分歧。不过River AI才两个月大——11亿美元进账后能否在微调这个拥挤赛道上真的跑出差异，还要看未来几个季度的客户留存数据。

Docker Sandboxes：Agent编程进入”带笼子干活”时代

在Agent能力一侧，Meta和Nvidia在定义执行层模型；在安全一侧，Docker给出了自己的答案：Sandboxes——为AI编程Agent设计的即弃式microVM隔离环境。

技术细节：不是容器而是microVM，每个Agent会话跑在独立内核上（macOS用Hypervisor.framework、Win用WHP、Linux用KVM），非Firecracker而是Docker自研VMM。只挂载项目目录、防火墙出站控制、密钥注入。Agent可以在沙箱内装包、改配置、执行命令、甚至跑自己的Docker容器，但无法触达宿主机其他部分。

“YOLO模式”（You Only Live Once）最直白：无需人工审批、无需权限提示、无需监管——Agent放开了跑，隔离层本身就是安全网。支持Claude Code、Copilot CLI、Codex、OpenCode、Kiro等主流Agent编程工具。安装一行命令：brew install docker/tap/sbx。

Hacker News 684分、392条评论中，一位Docker工程师特别纠正：“这不是容器。每次会话一台microVM，跑在我们自己写的VMM上。“这反映了行业对Agent安全范式的共识：不是让Agent做更少，而是把Agent装在一个更安全的笼子里，让它做更多。

编者评： Docker在Agent编程安全这个方向上的产品定位很准确。“让Agent快和安全不再是权衡”——这话听起来像营销，但背后的技术选择（microVM而非容器）说明他们认真了。考虑到过去两周我们连续覆盖的Agent入侵事件（Vol.100 OpenAI Black Hat Agent协同攻击、Vol.99 Mythos 5欺骗人类），Docker Sandboxes的出现时机不是巧合——它是安全共识从”事故应对”向”基础设施级预防”升级的一个里程碑。但需要注意的是：microVM隔离解决的是”Agent做了不该做的事怎么办”，不解决”Agent被提示注入攻击诱骗做它被允许做的事怎么办”——这是两个不同层面的安全问题。

Kavak用AI CEO接管城市运营：六周利润涨50%

a16z播客在8月10日的一期节目中邀请拉美最大二手车平台Kavak的首席产品与AI官Alejandro Maza Ayala，完整拆解了可能是当前AI Agent在企业中最极端的落地案例：Kavak将墨西哥库埃纳瓦卡市的一整座城市运营全权交给AI Agent担任CEO。

六个星期的结果：利润涨50%（目标是翻倍），客户满意度提升，库存周转加快，金融渗透率提高。Agent每天给每位一线员工发工作计划，晚上收语音汇报进度，盯住每一个数字和每一个客户，不断调整策略。

更震撼的是Kavak的整体转型。今天，Kavak平台上96%的客户交互和95%的交易无人类参与，每天启动10-20万个Agent。销售Agent转化率是人类最佳团队的2.1倍。车贷审批从墨西哥平均两个月缩短到三分钟。一千万客户每人配一个持久运行的专用Agent，目标是最大化这一客户的终身价值。

Alejandro在播客里留下了今天最值得偷的一句话：“每发布一个新的大模型，都要触发一次全新的模型-Harness实验。“Kavak曾有一套运行了两年的多Agent编排框架，新模型发布后整套编排变得冗余，他们直接扔掉两年基建重写——因为更简单的Harness + 更强的模型，效果远超复杂的编排 + 旧模型。

编者评： 这个故事和Vol.102中的”Kavak AI CEO取代人类管理者”属于同一个话题，但a16z播客提供了关键新信息。最大的启示不是”AI可以管理公司”——而是Alejandro反复强调的那句话：每发布一个新模型，就要重做一次Harness实验。这意味着当前AI基础设施领域最脆弱的一层不是模型层、不是芯片层，而是中间件层——Harness、编排框架、路由系统都需要随模型能力的跃升而持续重写。这也解释了为什么Docker Sandboxes和NeMo Switchyard在同一天出现：Agent基础设施正在成为独立的、有资本定价权的产品层。Kavak浪费掉两年基建并不可怕——真正可怕的是那些没意识到自己的Agent编排框架已经过时的公司。

编者按

今天的七件事看起来分属不同领域——数学突破、开源模型、免费化加量、芯片商出模型、天价融资、安全沙箱、AI当CEO。但它们指向同一个问题：Agent能做什么——以及Agent需要什么样的基础设施才能去做。

把今天的拼图拼起来：

第一步，我们在意Agent的”脑力”——Claude能刷新黎曼零点下界，不是因为它更聪明，而是因为它能协调60个子Agent并行探索650条路线。Agent的能力上限不再是单模型推理深度，而是Agent团队的编排规模。

第二步，Agent的”身体”和”笼子”在同一天被定义——Meta Glimmer和Nvidia Nemotron分别给出了面向个人和企业场景的30B Agent执行层模型；Docker给出了microVM级别的隔离方案。Agent天生需要自由才能发挥能力，但也天生需要边界才能被信任。

第三步，资本涌入了”Agent操作系统”而非”Agent能力”——River AI的11亿美元投的是微调管道而非模型本身，Nvidia的NeMo Switchyard是在卖路由标准而非芯片。价值的锚点正在从”模型产出的token”迁移到”Agent编排和定制的基础设施”。

第四步，Kavak的故事把这一切缝合在一起：Agent不仅能写代码、做数学，还能管理一家公司的城市运营。当CEO都只是一个Agent的配置参数时，“Agent操作系统”就不再是一个技术概念，而是一个经济概念。

从Vol.101的”Agent时代的代价”到Vol.102的”能力-资本-人三重拐点”，到Vol.103的”Agent执行栈黎明”——三期的叙事形成一个递进：101在说Agent出了什么问题（安全单点故障、Harness之争、人的焦虑），102在说Agent带来了什么根本变化（能力突破、算力金融化、人的位置重塑），103在说Agent需要什么样的基础设施才能持续运转（执行层模型、隔离沙箱、微调管道、路由系统）。这不是三期独立的内容，而是同一场Agent革命的三个观察窗口。

最后值得注意的一条暗线：今天的AI已经告别了”做有标准答案的题”的时代。Claude面对的是一个没人知道答案的开放问题，Kavak的AI CEO面对的是没人能写出最优策略的实际经营。答题时代结束了，探索时代开始了。而探索时代最需要的基础设施——正是这期声浪中同时出现的那些。