Kevin Buzzard 的博客 10 月 16 日登了一篇七人联署文章，署名是 Jeremy Avigad、Kevin Buzzard、Johan Commelin、Rémy Degenne、Kim Morrison、Oliver Nash、Adam Topaz，写作背景写得很直白——上周 OpenAI 那次发布之后，「尽快把全部数学形式化」的呼声起来了。几位作者的立场是支持形式化，反对草率的形式化，原文那句判词不留余地：一份糟糕的形式化比没有形式化更糟。陶哲轩当天在自己博客转了这篇。

文章给的数字够密。Anthropic 用 11 天写出 1300 万行 Lean 代码完成费马大定理的形式化，作者们对这批代码的评价是大概没什么长期价值。Lean FRO 与 Mathlib Initiative 孵化的 Tau Ceti，代码全部由 AI 写、再由另一批 AI 按 rubric 对抗评审，现在已经 300 万行，略大于 Mathlib；Mathlib Initiative 的另一个项目 Formal Frontier 发布了 41 个库、约 20 万行。对照的那一侧是 Mathlib：65 位评审、950 名贡献者，刚拿了 2026 年 Demailly 开放科学奖，涨得稳，但比 AI 生成的库慢。

反例是 Math, Inc. 今年 2 月想接手 Maryna Viazovska 高维球堆积结果的形式化，原团队试着清理 AI 产出的代码，发现比重做还麻烦，最后把代码整个丢掉重来，重来时仍然大量用 AI。对 OpenAI 那个 github.com/openai/math 仓库，作者们的措辞是里面确有惊人而重要的数学，也一并显出对读者与理解力的漠视：部分结果已撤稿，不少 informal/formal 对不上，多数非正式写读不进去。文章末尾给的时间表是三年之内，作者自己补了一句这个估计偏保守——到那时大部分数学能被形式化到数学家可以直接在上面探索的程度。

编者评： 1300 万行对 11 天，这组数字本身不构成成就，文章把它当成症状。判据是别人能不能在它上面接着盖——Mathlib 用 950 个贡献者换 300 万行，Tau Ceti 用 AI 换 300 万行，行数一样，可继承性两说。做形式化的人这次自己出来划的线，比外面任何评论都准。

OpenAI 那份 Navier-Stokes，没人说得清 agent 出了多少力

OpenAI 九月初拿出的 166 页 Navier-Stokes 潜在解，这几天被数学界拆开看。EPFL 的 Gonzalo Cao-Labora 说它号称沿用了 Diego Córdoba 与 Luis Martínez-Zoroa 的思路，细节上对不上，相似只在表面。稿子用 Lean 写成，每一步都被机器验过，人读起来照样费劲，Clay 数学研究所从发布起一直在审。更早的时候，NYU 的 Tristan Buckmaster 指这份工作建立在他与 Anthropic 的 Levent Alpöge 用公开模型做出来的东西之上，OpenAI 否认用过他的数据；高等研究院的 Camillo De Lellis 认为这事拿不到定论，语言模型是黑箱。

真正有意思的一段在算力账上。OpenAI 为这份解投入了约 10,000 个模型实例、88 小时、1300 亿 token。研究员 Noam Brown 的原话是，没人知道这么大一群 agent 到底贡献了什么。这个规模的行为没人研究过，因为拿几千个 agent 跑系统对照实验太贵：没人测过单个 agent 解同一道题要多久，也说不清 10,000 个比 1,000 个强在哪。Brown 自己的估计是多 agent 架构贡献不到一成，真正起作用的是底座模型本身能长时间并行地磨。十月初 OpenAI 又往 GitHub 上倒了约 400 条结果，数学界抱怨这种做法把领域变得廉价。

编者评： 10,000 与不到一成，这两个数得摆在一行读。被验证的是「算力能换出一份看起来对的稿子」，不是「多 agent 有用」。更该记的是那句没人做过对照实验——方法被大规模部署，而支撑它的对照数据一次都没跑，理由是跑不起。

Anthropic 问了自己人和外人：预期差多少

Anthropic 10 月 16 日发了一份 8 月做的调查，两组人：全美代表性成人样本，和 Anthropic 自己的员工。作者是 Szymon Sacher、Tess Cotter、Charles I. Jones、Anton Korinek、Peter McCrory。

结论分三层。第一层，两组对「今天 AI 能做什么」的看法高度一致，八项任务按难度排出来的顺序几乎相同，分歧全在速度：91% 的员工认为 2030 年前 AI 能做出诺贝尔级别的发现，美国成年人里只有 39%。第二层落到自己身上——员工平均预期 AI 到 2030 年能做掉自己现在 75% 的工作，美国劳动者整体是 28%。第三层是这份调查里最特别的一条：两组人在「AI 能替自己做多少」与「失业率会是多少」之间的推理方式是一样的，给定同样的自动化预期，两边预测出的失业率也差不多。

编者评： 52 个百分点不是判断力差距，是信息差距——同一批人里，天天上手前沿模型的人把时间表往前拨了一半。真正对齐的那一层反而容易被忽略：两组人算失业率的方式一致，说明分歧不在经济学，在输入。

DeepSeek V4.1-Flash-1017：成本往下压，权重继续放开

10 月 17 日，DeepSeek 网页端、App 与 API 的模型同步切到 V4.1-Flash-1017。官方给的说法是性能与成本之间做到了帕累托改进：各项基准比上一版 V4.1 Flash 明显提升，任务运行时间与输出长度都缩短，单次调用的综合成本下降。能力侧的变化是自反馈强化学习带来的从零构建完整项目的能力，覆盖游戏开发、3D 建模这类场景，官方演示是在极少提示词与素材的条件下直接出可运行的项目，包括故宫 3D 建模、网页赛车、Godot 复刻《传送门 2》这类案例。

权重当天同步开放，HuggingFace 与 ModelScope 都有，延续 MIT 许可。另一个动作是 API 新开 Search 与 Fetch 接口，底层是自研搜索引擎，官方称索引千亿级网页，并对 SEO 作弊、GEO 操纵与低质 AIGC 做过滤。官方还点名适配了 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy，建议 Harness 升到 0.2.1-rc.1 以上。

编者评： 帕累托改进这个词在这份公告里是有实指的——性能涨、长度和时间都降，两头的数字都给了。值得盯的是另一半：权重继续 MIT 放开，搜索接口开始商业化，开源与收费这两条线在同一天各走一步。

X：Claude 设计的量子电路，比已发表最好的还好一个数量级

Anthropic 官方账号 10 月 16 日 17:47 UTC 发了一条 STEM Fellows Program 的成果，拿到 4276 赞。原话是：给定自然语言指令，Claude Mythos 5 设计出的量子电路在效率上优于已发表的最佳方案，有时好一个数量级以上。

编者评： 这条推文给的是「优于已发表」，没有给「优于谁」。它和上面那篇联署文章正好构成一对：一个证明结果能超过人，一个追问超过之后有没有人接得住。少掉的那一半不是 Anthropic 的疏忽，是整个领域眼下缺的工序。

YouTube：15 分 32 秒讲清「换皮」是怎么把内容偷走的

BBC News 频道 14 小时前上传，15 分 32 秒。片子源自 BBC 与独立 AI 出版物 Riddance 的合作调查，分析方是 Jeremy Carrasco 与 Angel Nulani，两人在 Instagram 与 TikTok 上识别出 60 个挂着付费色情站链接链的账号，这些账号未按规定标注内容为 AI 生成。TikTok 在 BBC 提出问询后封禁了 20 个账号，Meta 称正在调查，未说明采取了什么措施。

被点名的受害者是马来西亚模特 Riya Ulan。一个几周内涨到 300 万粉的 AI 账号把生成的深色人脸叠在她的身体上，动作、衣着、背景全部照搬，其中一条在 Instagram 上跑到 1.73 亿次播放，是她原贴的 47 倍，同一条在 TikTok 上超过 3500 万次播放。她向两个平台举报多次，内容一直没下，TikTok 是在 BBC 介入之后才封的号。Nulani 的评价落在种族剥削的延续上，Carrasco 的说法是这类偏好早已存在，AI 给了它新的载体，也免掉了社会后果。

编者评： 47 倍这个数是本期最该记住的一个。换皮加搬运的传播效率比原创高一个数量级，而举证、举报、等待的成本全压在原创者一侧。平台动作的顺序也清楚：研究者先数出 60 个账号，媒体介入，才有 20 个封号。

B站：1 分 36 秒的四条快讯

Youngs羊示的「今日羊报AI」10 月 17 日 00:17 UTC 上传，1 分 36 秒，四条当日快讯：OpenCode 免费开放两个国产模型；DeepSeek 搜索接口开始收费；微软完成大参数模型预训练；商务部对 AI 技术出口实施临时登记。

编者评： 这个号的价值在顺序——同一天里，开源、收费、出口登记三件事被排在一起播。分开看是三条行业新闻，连着看是一张当天的位置图：模型往外放，接口开始收钱，跨境的口子在收紧。

播客：Zocdoc 把二十年的排班底子开放给 agent

a16z 10 月 17 日这期 34 分 56 秒，a16z 普通合伙人 Julie Yoo 对 Zocdoc CEO Oliver Kharraz。Kharraz 对问题的定义是：难的不是找不到医生，是把患者接到准确的可用时段上，并且让预约能在搜索的起点就完成。他讲了 Zocdoc 用近二十年搭起来的在线排班基础设施，以及现在为什么把这套东西开放给 AI agent、保险公司和其他平台。具体可验的一句是：把临时空出来的号位放出来，能把预约等待从几周压到几天。两人还谈了与 Gemini 的合作，以及 AI 变成医疗新入口之后 Zocdoc 这个 App 之外的部分。

编者评： 这期最实在的是那句「问题不在供给，在匹配」。它给 agent 落地指了一条不靠模型能力的路：接的是二十年攒下来的、脏而具体的排班数据。等待从几周压到几天，靠的不是生成，是调度。

编者按

本期八条里有六条能换成数字：1300 万行对 11 天，10,000 个实例对不到一成的贡献，91% 对 39%，75% 对 28%，1.73 亿次对 47 倍，34 分 56 秒里那句几周压到几天。剩下两条讲的是这些数字背面的东西没人管——形式化出来的库没人接，被换皮的视频原作者告不动。

把八条排在一起，落点是同一件事：产出这一侧的计量精度一天比一天高，理解这一侧的计量精度原地不动。Lean 能验每一步对不对，验不了有没有人读得懂；OpenAI 能报出 1300 亿 token，报不出其中多少是必要的；Anthropic 内部与外部的 52 个百分点，量的是信息差不是判断力；BBC 那条调查里，1.73 亿次播放记的是搬运者的，原创者的那一份要靠记者去问。

七位形式化专家给出的解法是加一道工序：公开评审、避免重复、挂回文献、达不到标准就别发。这套规矩听着慢，却是这期里唯一一条把「谁接着用」写进验收条件的。形式化社区把这话说出来，比任何外部批评都值钱。