56 年悬而未决的数学难题，被一个 AI 系统用几百美元就解决了。

Google DeepMind 的 AlphaProof Nexus 昨天搞了个大动作，自主攻克了 9 个开放多年的 Erdős 问题，还顺手证明了 44 个 OEIS 猜想。这不是刷 benchmark，是真正意义上的数学发现。

与此同时，GitHub 的代码提交量同比暴涨 14 倍，AI 编程不仅没有取代工程师，反而把需求拉到了一个新高度。

这两件事放在一起看，有点意思。

🔥 重点新闻

1. DeepMind AlphaProof Nexus 自主解决多个开放数学问题

Google DeepMind 的 AlphaProof Nexus 系统完成了几件大事，自主解决了 9 个开放的 Erdős 问题（部分问题已经悬了 56 年），证明了 44 个 OEIS 猜想，还搞定了一个 15 年的代数几何问题，并在优化理论中发现了新算法。

每个问题的成本大概几百美元。

坦率的讲，这件事的意义远超「AI 又赢了」。Erdős 问题不是那种靠暴力搜索就能搞定的题目，它们需要的是真正的数学洞察。AlphaProof Nexus 能做到这一步，说明 AI 在「创造性推理」这块已经不是纸上谈兵了。

Terry Tao 之前就说过，「我确实看到越来越多大规模批量生产的数学」。现在看来，这话正在应验。数学研究的范式可能真的要变了，从个人天才的灵光一闪，转向 AI 系统的系统性探索。

来源，Google DeepMind via @kimmonismus

2. GitHub 代码提交量同比暴涨 14 倍，AI 编程推高工程师需求

Marc Andreessen 转发了一组让人咋舌的数据，GitHub 提交量出现了 14 倍的年同比增长，而且还在加速。

他的核心观点是 AI 编程非但没有减少软件工程师的需求，反而大幅推高了需求。逻辑其实不复杂，AI 极大降低了写代码的成本，结果不是「需要的人少了」，而是「能用代码解决的问题变多了」。越来越多行业、场景、应用开始需要定制软件。

这件事你如果关注就业市场的话，值得认真想想。很多人担心 AI 会抢走程序员的工作，但数据说的是另一个故事。当写代码的边际成本趋近于零的时候，「会写代码」本身就不值钱了，值钱的是「知道该写什么代码」。

来源，@pmarca

3. Claude 即将推出 Memory Files 功能

Anthropic 宣布 Claude 将推出 Memory Files 功能，用户可以在 Memory Files 和经典记忆模式之间切换。这个功能允许 Claude 在对话中自动写下组织化的笔记，需要时读取，用户可以随时浏览和编辑。

跟简单的聊天记录不同，Memory Files 更像是一个「知识库」，Claude 会把对话中的关键信息结构化地存下来，下次聊到相关话题时自动调用。

你想想看，这会带来什么呢？如果这个功能做得好，Claude 就不再是一个「每次对话都从零开始」的工具，而是一个真正能积累上下文的助手。这对长期项目、研究、甚至个人知识管理来说，都是个大事。

来源，@berryxia

💡 值得关注

4. AI 指数增长论需要具体数据支撑

Klaviyo 的 AI 工程师 Amish Regmi（前亚马逊推理基础设施与智能体系统构建者）撰文，批判了笼统的「AI 发展是指数级」的说法。他指出，这种说法常缺乏可验证的具体数据，指数的基数是多少？翻倍时间是多少？具体指的是哪条技术曲线？

这话听着有点刺耳，但我觉得说到点子上了。行业里太多人把「指数增长」当成一个万能挡箭牌，好像加了这个词论证就成立了。Regmi 的意思是，你得拿出具体数据来。不同的技术路线（训练、推理、数据、算法）增长速率完全不同，不能一锅烩。

来源，@kimmonismus

5. GPT-5.5 Pro 的事实核查能力获认可

Ethan Mollick 试用后发现，GPT-5.5 Pro 是一个非常可靠的事实核查工具。他把整章内容扔给它，能准确找出每一个关键引用。唯一的「毛病」是太爱抠细节，经常返回「大体思路是对的，但你没有考虑到微小细节 X」这种反馈。

Marc Andreessen 对此评价「有意思」。

我自己也用过类似的场景，AI 做事实核查确实比做生成要靠谱得多。因为它不需要「创造」，只需要「比对」。这个方向如果持续进化，对学术写作、新闻报道、内容审核的影响会很大。

来源，@emollick via @pmarca

6. AI 安全事件频发，Google 也在「实时应对」

两件事放一起看。TechCrunch 报道称，包括 Google 在内的科技巨头都在实时应对 AI 安全挑战，这个「实时」用得很准确，因为没人有现成的方案。

更让人警醒的是，有报道称基地组织成员曾使用 ChatGPT 查询爆炸物配比，用于策划一起造成 15 人死亡的爆炸事件。当前 AI 模型的越狱问题依然严重，而开源模型在这方面更是缺乏限制。

这不是一个可以「以后再说」的问题。

来源，TechCrunch / @AISafetyMemes

7. 阶跃星辰发布 StepAudio 2.5 Realtime 端到端语音模型

阶跃星辰发布了 StepAudio 2.5 Realtime，支持完全可定制的个性化角色扮演，通过 WebSocket API 提供服务，支持中英文。在五个基准测试维度中均排名第一。

特色是「角色扮演 RLHF」和副语言理解，不只是听懂你说什么，还能理解你怎么说的。

国内语音大模型的竞争越来越白热化了。这个赛道的终局可能不是「谁的声音更像人」，而是「谁能在对话中传递更多情感和意图」。

来源，MarkTechPost

8. 英伟达将在新加坡设立具身智能研发中心

英伟达计划在新加坡设立 AI 研究实验室，聚焦具身智能领域。黄仁勋表示，AI 与现实世界的交互是下一个前沿。实验室的目标是提升 AI 模型训练效率并降低基础设施成本，推动自动化与机器人技术发展。

具身智能这个方向，英伟达显然不想只做「卖铲子的」。从 GPU 到机器人平台，他们正在把触角伸向整个 AI 物理世界的基础设施。

来源，IT之家

📝 今日思考

AlphaProof Nexus 和 GitHub 14 倍增长，这两件事其实是同一个故事的两面。

AI 正在同时改变「思考」和「执行」。在数学领域，它开始具备真正的创造性推理能力；在工程领域，它把「写代码」的成本打到了地板上。

但有一个有意思的现象，执行越便宜，判断就越值钱。代码不值钱了，知道写什么代码更值钱了。证明不难了，提出好的问题更难了。

今天 RSS 里还有一条很火的推文，讲的是「湾区正在经历人类分化最严重的时刻」，来自 Anthropic、OpenAI、xAI 等公司的约 1 万名员工实现了远超 2000 万美元的财富自由。AI 时代的红利分配，远比技术本身更值得我们关注。