AI日报 | 2026年09月09日

一份据称耗时 88 小时、发出 490 万条消息、消耗约 3000 亿输出 Token 的数学证明，今天把 AI 圈和数学圈同时点燃了。

OpenAI 说，内部智能体系统已经给出 Navier-Stokes 存在与光滑性问题的解答，还做了 Lean 形式化验证。这个新闻很容易被写成「AI 解开千禧年难题」。我先把泼冷水放在前面，公开证明能否经得住同行审查，和模型完成了一次规模惊人的推理任务，是两件不同的事。

但后面这件事，已经足够值得开发者认真看一眼。

今天最重要的事，不是「AI 证明了什么」

OpenAI 公布 Navier-Stokes 证明，争议也一并到场

OpenAI 的公告称，内部 AI 系统给出了三维 Navier-Stokes 存在与光滑性问题的一份证明，结论指向初始光滑的流体可能在有限时间形成奇点。相关材料附带 Lean 形式化验证。

这件事的技术重量不在于模型会不会背数学题。Navier-Stokes 牵涉的是无数局部推导如何接成一条可核验的长链路。AI 在这里更像一支不睡觉的研究小组，能并行拆分、互相质疑、反复补洞，再把结果送进形式化系统检查。

不过，Clay 数学研究所是否认可、数学共同体如何复现与审稿，都还在后面。NYU 数学家 Tristan Buckmaster 和 Anthropic 研究员 Levent Alpöge 已经公开了自己一方的结果与沟通经过，并对信息泄露和竞争过程提出质疑。Sam Altman 也公开回应了争议。这场风波不是花边，它提醒我们，AI 进入前沿研究后，署名、披露时机和同行协作会变成产品能力之外的新难题。

真正该盯住的是工作方式的变化。

一次任务花几百万美元当然不适合普通团队复刻。可今天的昂贵实验，往往就是明天的工程工具链。编程里的测试、静态分析、代码审查曾经也是专家资源，现在已经成了提交代码前的日常动作。研究推理的自动化，大概率会走相似路径，只是慢一些，也更需要边界。

来源，OpenAI 官方公告、Simon Willison 的争议梳理

OpenAI 把「自动化研究实习生」当成了一个产品指标

OpenAI 同日披露，内部已经达到自动化研究实习生阶段，目标是在人类指导下完成熟练研究员需要数天才能做完的明确任务，并计划在 2028 年 3 月前推进到自动化 AI 研究员。报告原文在这里。

一个数字很有意思，截至 8 月中旬，研究组织每投入 1 个人工工作日，agent 运行时约为 3.1 个工作日。它并不等于生产力增长 3 倍，模型会走弯路、等待工具、重复探索。可它把一个事实摆出来了，人的瓶颈正在从亲自完成每个步骤，转成挑选问题、设定验收标准、识别那些「看起来完成了」的假进展。

这也是团队接入 Agent 时最别扭的地方。执行不再稀缺，判断和复盘反而更贵。

来源，OpenAI 研究加速报告、运行时数据报道

模型、工具和算力都在往生产环境走

Astra 全面推送，重点该看推理预算怎么花

OpenAI 宣布 Astra 已向 ChatGPT Work 与 Codex 的 Plus、Pro、Business、Enterprise 用户全面推送。官方动态之外，今天更有价值的是围绕 Reasoning Effort 的讨论，不同档位并不是换了一个模型，而是在购买不同的思考预算。

这听起来朴素，落在工程里却很实际。能用低 effort 完成的批处理不要默认开满，真正需要长链路规划、跨文件修改和验收的任务，再把预算放进去。模型能力越强，胡乱堆 Token 的浪费也越大。

来源，OpenAI 推送公告、Reasoning Effort 解读

ChatGPT Images 2.5，把「多轮编辑」放进了竞争核心

OpenAI 发布 ChatGPT Images 2.5，称相对 Images 2.0，生成延迟最高降低 50%，细节、参考图保真和多轮编辑一致性均有改进。

我更在意最后一项。单张图惊艳很容易演示，连续改五次还能保持角色、构图和意图，才更接近设计工作流。图像模型的下一轮竞争，不是谁更会生成海报，而是谁更能留住上下文。

Runway 进入 Premiere Pro 和 After Effects，生成式视频开始贴着时间线工作

Runway Plugins允许创作者在 Premiere Pro 与 After Effects 内生成图像和视频、重绘片段，并把结果直接放回时间线。

这类产品的价值不是又多了一个「一键生成」入口，而是少一次导出、上传、下载、对齐时间码的折腾。工具只有嵌进人原来就待着的地方，才有机会从试玩变成生产力。

Mistral 融资 30 亿欧元，模型公司仍在为算力和独立性下注

Mistral 宣布完成 30 亿欧元 D 轮融资，投后估值超过 210 亿欧元。它成立只有三年，这个规模既说明欧洲仍想保留自己的模型公司，也说明前沿模型不是轻资产生意。

模型能力、芯片供给、数据中心和销售渠道现在绑得很紧。开发者不必把融资额当性能榜单，但可以把它看成未来供给格局的信号。

给开发者的几条可操作消息

Anthropic 的成本优化建议很务实，先提高 prompt cache 命中率，再清掉升级模型后失效的提示词习惯，最后校准 effort。把模型换新却保留旧 Prompt，常常是最隐蔽的浪费。
Berkeley RDI 开源了 CUA-Lite，为 Computer Use Agent 提供标准化环境接口、超过 30k 个可验证任务和桌面沙箱。能复现实验的基准，比一段录屏更有参考价值。
OpenAI 的对齐长文承认，随着模型能力提升，依赖 CoT 监控来判断模型是否在「想歪」正变得更弱。对于生产系统，这不是让人放弃监控，而是提醒你别把日志看起来合理当成安全证明。
最高法发布涉人工智能纠纷案件审理意见，覆盖 AI 换脸、拟声、复活逝者、仿冒带货和自动驾驶事故等场景。规则摘要在这里。做面向用户的 AI 产品，合规不再只是法务上线前的一张清单。