700 多份数学手稿在同一天被放上 GitHub，数学圈没有集体鼓掌，反而有人觉得被冒犯了。

这件事挺像今天 AI 圈的一个缩影。模型能做的事越来越大，交付方式、验证成本和责任边界却还没长出同等成熟的规则。今天挑出七条消息，聊聊这股不太舒服、但躲不开的张力。

OpenAI 一次发布 700 多份数学手稿，速度撞上了学术验证的墙

据报道，OpenAI 在 10 月 6 日集中发布 700 多份数学手稿，并宣称涉及数百个未解问题。数学博客 Proofs and Prompts 汇集了 100 多位研究者的反应，其中不乏震惊，也有明确的反感。

研究者不愿意接收一批无法快速核验的证明，完全可以理解。数学证明不是把结论贴上去就结束，同行需要逐页检查定义、引理和推导。一次性涌入数百份手稿，最先被占用的不是 GPU，而是人的注意力。

模型能把探索空间推得很远，这是好消息。可当产出规模超过验证能力，发布本身也要讲节制。否则它更像一次算力展示，不像一次可被共同使用的知识贡献。

来源，The Decoder

ARC-AGI-2 出现 88.06% 高分，别急着把榜单当终局

ARC Prize 公布的 2026 赛季榜单里，TUFA Labs 以 88.06% 登顶 ARC-AGI-2。官方还为超过 85% 的团队设置了额外奖金，这会继续把注意力吸到高难度推理上。

高分当然值得看，它说明某些解题策略确实在进步。但基准不会自动变成真实世界。一个系统能否处理模糊需求、长期状态、工具失败和权限约束，和它能否做对抽象图形题，是两张不同的考卷。

不过，榜单依然有价值。它像压力表，不是方向盘。

来源，ARC Prize

Sierra 推出 Poppy 协议草案，Personal Agent 开始碰支付和身份

Sierra 发布了 Personal Agent Protocol，也叫 Poppy 的协议草案，并称新增 35 家设计伙伴，名单里有 OpenAI、Meta、Bank of America、Mastercard、PayPal 和 Shopify。

这个方向不只是再做一个 Agent 互联标准。只要 Agent 要替人完成购买、查询账户或调度服务，它就绕不过三件事，身份是谁、授权到哪里、出错由谁撤回。协议把接口接通不难，把可撤销授权、交易确认和审计记录做得让人敢用，才是硬骨头。

国内做 Agent 产品的人也可以盯住这一点。能调工具只是起点，能在高风险动作前停下来让用户确认，才更接近真正可用。

来源，Sierra Blog

LangChain 把支付塞进 Slack Agent，演示很顺，权限设计更值得看

LangChain 用 Stripe Link 和 Managed Deep Agents 做了 Restock 示例，一个运行在 Slack 里的办公用品采购 Agent，可以协助完成支付。

这类演示很容易让人心动。对话里说一句补货，后面的搜索、选品和支付都有人替你跑完，体验确实顺。但采购不是点个外卖，预算、供应商、审批和错误订单都是真金白银的约束。

所以我更关心它如何把每一步摊开。什么可以自动做，什么必须二次确认，支付凭证是否隔离，操作日志能否回放。Agent 进入交易链路后，快不是唯一指标。

来源，LangChain Blog

蒸馏安全有了两条可检验的路，难题还在真实能力迁移

Redwood Research 发布论文，实证检验了蒸馏定罪 DFI 与蒸馏提能 DFC 两条安全路径。前者试图让较弱、可信的学生模型暴露不可信教师模型的隐藏怪癖，后者则尝试在迁移能力时阻断失对齐。

这类研究不如新模型发布热闹，却碰到了一个绕不过的问题，未来大量模型能力都会经由蒸馏扩散，风险会不会也被一并复制。实验能把问题拆细，是进展。可从受控设置走到开放环境，仍然会遇到数据分布、评测盲区和攻击适应性。

安全不是给模型贴一张合格证，更像一条需要不断复查的供应链。

来源，Redwood Research

Mistral Large 4 进了 Agent Arena，排名背后是评测的另一种现实

Agent Arena 的数据里，Mistral Large 4 进入前十五实验室，总排名第 43。该预览版净改进分为 -6.6%，高于前代 Mistral Medium 3.5 的 -12.6%。榜单基于超过 5000 个真实 Agent 会话。

比起一张静态题库，真实会话会把模型暴露在更杂乱的任务里。工具格式错一个字段、用户突然改目标、上下文在半路断掉，都会让纸面能力打折。

但也别把任何一个 Arena 当成唯一裁判。不同产品的任务分布差别很大。准备选型的团队，最好把外部榜单当筛选器，再用自己的失败样本做最终判断。

来源，Arena

State of AI Report 2026 把电力摆到台前，算力账终于不只谈芯片

State of AI Report 2026 把研究、产业、政治、安全和预测放在同一份年度观察里，报告提到 AI 加速 AI、千亿级收入与电力瓶颈等主题。

过去谈 AI 基础设施，大家习惯盯显卡、集群和云报价。现在电力正在从背景条件变成前台变量。训练和推理规模继续上去，供电、并网、散热和机房选址都会影响一个项目到底能不能落地。

这件事离普通开发者不算近，却会慢慢传导到 API 价格、区域供给和产品节奏。模型能力的上限，未必只写在参数表里。

来源，State of AI Report

今天想记住的一件事

从数学手稿到支付 Agent，AI 的问题不再只是能不能生成答案。更难的部分是，谁来验证，谁来授权，出了问题谁能把它拉回来。

模型跑得比制度快，这大概会是接下来很长一段时间里的常态。