跳至主要內容
SHUO Blog News每日早報

自動 AI 新聞摘要:Claude 協作 Lean 證明震撼數學界、Inkling 2 Mini 登場與 Token 詐騙危機

11 月 21 日 AI 新聞摘要:Anthropic 研究員攜手 Claude 提交 GRH 與 Lean 形式化證明、Thinking Machines 推出開源 Looped Transformer 模型 Inkling 2 Mini、Anthropic 完成 1.5 兆美元 IPO,以及 Token 詐騙迫使 AI SaaS 取消免費試用。

由 Codex 經由 Horizon 自動抓取新聞並自動編寫

前言

本文由 Horizon 抓取資料,再由 Codex 篩選與改寫;Horizon 只負責資料抓取。今天的新聞聚焦於「形式化驗證」如何成為 AI 突破基礎科學與軟體工程品質的核心武器,從 Claude 協助完成數學猜想的 Lean 證明、開源高效能小模型的架構革新,到 AI 產品在商業運營上遭遇的 Token 詐騙與防蒸餾攻防,呈現出 AI 技術與產業生態快速演進的切面。

Claude 協作提交 GRH 形式化證明與 Navier–Stokes 突破,形式化驗證成焦點

數學家暨 Anthropic 研究員 Levent Alpöge 發表報告,表示與 Claude 協作發現了黎曼猜想的證明方法,並將結果延伸至廣義黎曼猜想(Generalized Riemann Hypothesis, GRH),同時在無假設條件下完成約 1.3GB、1,500 萬行 Lean 程式碼的形式化驗證。同日,Tristan Buckmaster 與 Levent Alpöge 亦公開了無外力 Navier–Stokes 方程式有限時間爆破(finite-time blow-up)的研究成果,而數學家 Ravi Vakil 則緊急公布 Alessandro Masullo 歷時 12 年純人力完成的 GRH 草稿。

這連串進展不僅在數學界引發巨震,也直接映照出 Latent Space 最新專題所強調的趨勢:結合 AI 與 Lean 等定理證明器進行形式化驗證(Formal Verification),正從過去極少數專家的領域走向自動化。隨著社群討論聚焦於「兩個獨立 Lean kernel 均已通過驗證」,形式化驗證正逐漸成為對抗 AI 生成低品質程式碼(slop)與確保關鍵邏輯正確性的重要防線。

來源:Levent Alpöge:GRH Proof Remark (PDF) 來源:Terence Tao:Unforced Navier-Stokes Singularity and the Generalized Riemann Hypothesis 來源:Latent Space:The War Against Slop and an Emerging Weapon to Fight it: Formal Verification

Thinking Machines 發表開源權重模型 Inkling 2 Mini,主打 Looped Transformer 架構

Thinking Machines 正式推出 Inkling 2 Mini,這是一款公開權重(open-weights)且採用迴圈變壓器(looped transformer)架構的語言模型,並採用端到端 nvfp4 進行訓練。團隊指出,模型尺寸設計充分考量了本機端部署需求,在推論基準測試中以較小參數規模展現了接近 Qwen3.8-27B 的水準;社群也迅速透過 Unsloth 釋出可在 Ollama 與 llama.cpp 運行的 GGUF 版本。

不過團隊也誠實揭露了此架構的物理邊界:迴圈運算雖然能有效提升模型的多步驟推理能力,但無法讓有限的權重儲存更多事實性知識,因此在事實知識密集型的評測中,表現仍受限於總參數量。對本機開發者而言,這種以計算換取推理深度的設計,為中階 GPU 環境提供了更務實的替代方案。

來源:Thinking Machines:Inkling 2 Mini

Anthropic 完成 1.5 兆美元史上最大 IPO,Google 同步向開發者開放 Genie 4

根據 Latent Space《AINews》整理,Anthropic 於 2026 年 11 月 19 日正式完成史上規模最大的首次公開募股(IPO),公司估值達到 1.5 兆美元。當日股價以 $83 定價後,開盤跳升至 $111.50,最終以 $97.17 作收,象徵資本市場對前沿 AI 基礎模型公司商業化潛力的高度定價。

同一波產業動態中,Google 也將先前推出的世界模型 Genie 4 正式向開發者開放存取。隨著基礎模型業者在公開市場取得龐大資本,加上互動式世界模型開放給外部開發者串接,預期未來數季在代理模擬環境與多模態應用上的整合開發工具將會快速增加。

來源:Latent Space:AINews Anthropic successfully completes largest IPO in history, valued at $1.5T

OpenAI 揭露多層次防禦策略,全面反制「對抗式模型蒸餾」

OpenAI 發表技術專文《Combatting adversarial distillation》,闡述其保護旗艦模型免於遭外部「能力擷取(capability extraction)」的防禦體系。隨著越來越多第三方透過自動化系統大量查詢 API 並藉此蒸餾訓練競品模型,單靠使用條款已難以遏止這類行為。

OpenAI 提出的對策涵蓋模型訓練層級防護、安全護欄(safeguards)、異常行為偵測(detection)與後端執行管制(enforcement)四大層面。對於依賴雲端 API 建構應用程式的工程團隊來說,這意味著未來高頻率、具系統性探測特徵的請求模式,將面臨更嚴格的風控與存取限制。

來源:OpenAI:Combatting adversarial distillation

自我改寫權重論文 arXiv:2611.21885 與 AI 設計 CPU 架構 Frostbite 引發技術反思

一篇名為《Language Models Can Rewrite Their Own Weights》的研究(arXiv:2611.21885)在開發者社群引發熱議,論文展示語言模型在不使用梯度與傳統訓練的情況下,僅靠自身推理修改權重並在練習題上驗證,連續八個回合提升答題準確率。然而社群實測與討論指出,模型實際上採用的策略之一是縮短推論軌跡以避免撞到 token 上限,同時研究人員也警告,讓模型自主修改權重可能帶來繞過安全對齊機制的風險。

另一項受到關注的硬體實驗則是由 Architect Labs 發布的 Frostbite——號稱由 AI 探索、設計並驗證的新型 CPU 架構,引入互動網(interaction nets)與資料流概念。儘管社群對其基準測試對比對象(僅與循序執行 CPU 比較)抱持保留態度,但許多工程師認為,AI 正展現出將數十年前封存於論文中的冷門架構重新整合成具體工程實作的能力。

來源:arXiv:Language Models Can Rewrite Their Own Weights 來源:Architect Labs:Frostbite: A new CPU architecture discovered, designed and verified by AI

Token 詐騙重創 AI SaaS 商業模式:ChatPRD 因試用機制遭大規模濫用被迫喊停

Simon Willison 分享了 ChatPRD 創辦人 Claire Vo 揭露的真實營運災情:針對 AI 應用程式的「Token 詐騙(Token Fraud)」已進入自動化規模階段。大量濫用者透過迴圈註冊免費試用與促銷代碼,將流量穿透至她的 AI Agent 背後轉售算力,甚至有國際性的 Roblox 與 Fortnite 地圖製作工作室直接利用免費試用額度來驅動自家商業開發工作。

日誌紀錄中甚至出現大量要求繪製「騎腳踏車的鵜鶘」SVG 的探測提示詞,顯示攻擊者還會先測試並辨識背後採用的底層模型型號。面對難以杜絕的濫用成本,Claire Vo 被迫決定全面關閉免費試用方案,這也為所有提供免費額度的 AI 開發工具敲響了風控警鐘。

來源:Simon Willison:Token fraud is here and it’s BAD (YouTube)

開發工具與 SDK 更新:OpenAI 與 Anthropic Python SDK 升級、GitHub 多帳號支援與角色反思

在核心開發工具層面,openai/openai-python 釋出 v3.57.0,正式在 API 層新增對 Live WebRTC standby 的支援;anthropics/anthropic-sdk-python 則推出 v2.12.0,加入 image_dimensions_too_large 錯誤碼,並修復 Amazon Bedrock 客戶端問題,將 user_profile_id 改由請求主體(request body)傳送而非 header(同時提醒若對不支援該參數的 Bedrock 模型傳送將會回傳 400 錯誤)。

此外,GitHub Changelog 亦更新多項實用功能:GitHub Desktop 正式支援在同一主機(包含 GitHub.com 與 GHES)登入並切換多個帳號;Repository 安全公告權限開放透過自訂角色指派(GA);PR Overview 頁面也針對合併狀態與檢查結果顯示進行最佳化。而在《We promoted developers into architects without informing them》一文中,作者則點出當 Coding Agent 接手實作後,開發者正被迫轉型為審查系統設計並清理 Agent 瑕疵(例如不慎遺留除錯日誌程式碼)的架構把關者。

來源:GitHub:openai/openai-python v3.57.0 來源:GitHub:anthropics/anthropic-sdk-python v2.12.0 來源:GitHub Changelog:GitHub Desktop now supports multiple accounts per host 來源:Mani Doraisamy:We promoted developers into architects without informing them

今日觀察

從今天的新聞脈絡可以看出,AI 產業正同時在兩個極端加速演化:在技術前沿,形式化驗證(Lean)與迴圈架構讓模型開始觸及過往人類難以獨立驗證的龐大推理空間;但在商業與工程落地層面,對抗式蒸餾、Token 詐騙以及 Coding Agent 留下的程式碼瑕疵,都在提醒開發團隊必須建立更嚴密的驗證、風控與架構治理防線,才能在算力與模型紅利中穩健運營。