今日总结
当日讨论从「该不该放慢」切到两件更具体的事：OpenAI 的数学能力被社区写成「攻克百道开放题」，随即被《科学美国人》点名质疑解的不是原版 Navier–Stokes；xAI 则把 Grok 4.7 推上线，官方口径是同价同速下相对 4.6 明显提升。决策模型 Jev 继续从演示走进评测与品类定义，开源侧有小米 MiMo-V2.6 上架与 Qwen 图像许可澄清。
- OpenAI 数学：「百题告破」与 Navier–Stokes 质疑并行 — Reddit 以「OpenAI 解决了 100 个开放数学问题」转发顾问组公告，但公告本身是成立顾问组、评估模型数学前沿能力的机制性内容，标题说法需与原文分开看。 另有未证实帖称 24 天训练的模型已破百余道长期开放题。 《科学美国人》认为，此前宣称的 Navier–Stokes 突破可能解的是改了参数与假设的变体，而非公认的千禧年原题。 有菲尔兹奖得主四个月前还称 LLM 没有智能，在得知 AI 解决一个千禧年难题后改口「被震撼了」。
- Grok 4.7 上线，xHigh 在 AA-Briefcase 上距榜首 1 分 — 官方宣布 Grok 4.7 正式上线，称在与 4.6 相同价格和速度下带来显著改进。 新闻页同步放出新一代升级说明。 Artificial Analysis 的 AA-Briefcase 上，Grok 4.7 xHigh 报 58%，仅低于 Claude Fable 5.1 Max 的 59%。 另有未证实口径称 Terminal-Bench 从 20.3% 升至 38.0%，价格仍为每百万 tokens 2 美元输入、6 美元输出。
- Jev 从产品演示走进评测与品类 — Fireship 介绍前 OpenAI 研究员 Diogo Almeida 的「System 1」模型：不对话、不写代码，宣称比 LLM 快 200 倍、便宜 400 倍且无幻觉。 LangChain 发文《Jev-as-a-Judge for Agent Evals》，称类型化评估器可把 RL 验证成本降几个数量级。 Harrison Chase 把「决策模型」做成 LangSmith Gateway 品类，开源 SemIf 免费开放一周。
- 小米 MiMo-V2.6-Flash-RL 开源上架 — Hugging Face 放出经 RL 训练的 Flash 版本权重。 Hacker News 同步出现 MiMo v2.6 自研模型再迭代的公告。
- Qwen-Image-2.1：许可澄清与本地实测 — 社区对许可证条款争议较多，Qwen 官方出面澄清。 用户实测称质量与速度全面超越 Flux，int8 下 8GB 显存可跑。 GGUF 量化版登上 Hugging Face 热榜，支持 ComfyUI。
- 亚马逊封禁 Meta Muse 代客下单 — 据报亚马逊以未授权访问与隐私为由，封禁 Meta 购物代理 Muse 在其电商内代客下单，是大平台首次公开抵制第三方 AI 代理代购。 Muse 能否拿到细粒度权限、还是只有一颗「全部允许」按钮，也同时被拿出来讨论。
- 「越狱逃逸」被指实为防火墙疏漏 — 有长帖指出近期沙箱逃逸报道被误读：没有任何沙箱是真气隙隔离，所谓逃逸是典型 IT 安全失误。 美国财长贝森特就 Hugging Face 事件称责任在 OpenAI 管理层而非智能体，并反对行业寻求责任豁免。
- DeepSeek 据传在训 2T，远期指向 8T — 对照现有 Flash 552B、Pro 总参 1.6T（每 token 激活 49B），规模再抬一档的说法在社区扩散，目前为转引爆料。
- 测试时协作：5 个 Claude 智能体团队媲美 33 个独立智能体 — 新论文问何时 Team-of-N 强于 Best-of-N：无预设角色、只靠共享日志通信，5 个 Claude 组成的团队对上 33 个独立智能体。 Toby Ord 另发「Swarm Scaling」长文，问大量 agent 集群的能力如何随数量增长。
- 美财长向中方提议 AI 国家安全通报；OpenAI 与 Anthropic 据接近互测 — 贝森特称已向中国提议：出现上升到国家安全层面的 AI 事件时双方互相告知，尚处提议阶段。 据 The Information，OpenAI 与 Anthropic 接近达成互相压力测试对方模型的协议。 OpenAI 另发文主张美国应主导下一阶段全球 AI 标准。
与昨日对比
- 新增热点：Grok 4.7 正式上线及 AA-Briefcase 成绩；OpenAI 数学「百题」社区解读与《科学美国人》对 Navier–Stokes 的质疑；小米 MiMo-V2.6 开源；亚马逊封禁 Meta Muse；DeepSeek 2T/8T 传闻；Toby Ord 的 swarm scaling；宇树 Dex5 灵巧手 22 自由度、单只约 6500 美元；ICML 2027 主席公开求解如何应对 AI slop 与投稿爆炸；OpenAI 与 Anthropic 据接近互测协议。
- 持续发酵：Jev 从验证器与基准，进入 Fireship 传播、LangChain 评委与「决策模型」品类；Qwen-Image-2.1 从开源权重推进到许可澄清、GGUF 与相对 Flux 的本地实测；Google 开源 AX 继续被拿来与 Kubernetes 类比；「放慢 AI」从诉讼与陶哲轩表态，落到 Anthropic「嘴上减速、手上发模型」的口径追问，以及黄仁勋抨击 Altman 与 Amodei 的「失控 AI」叙事是在求法律豁免；沙箱逃逸从越狱评估与 Gemini 标题纠正，落到「没有真气隙、是防火墙疏漏」；顶会投稿从 ICLR 破五万，转到 ICML 2027 主席公开征集办会办法。
- 明显降温：Qwen-Image-2.1 作为当日主发布的讨论强度下降，让位给许可与量化；四大实验室「放缓」反垄断诉讼与 AP 口径不再占据主线；陶哲轩要求减速、埃森哲「首位嵌入式评估方」、StepFun Step 5 预览、Irregular 作为共同评估方、Grok Imagine 图像 2.0 升至文生图第 4、Vercel 网关开源 token 占比、Claude 思考预算被指下调，均不再是当日主线。