晨启Tech

11 天，1300 万行 Lean，29,500 个被最终证明实际使用的中间定理。 这个数字很容易被读成又一次模型能力发布会。Anthropic 9 月 4 日公开的成果却比跑分有意思得多，Claude 在一个多 Agent 协作环境里完成了费马大定理的端到端机器检查形式化证明。最后交给 Lean kernel 检查，外加独立的 Rust 实现 nanoda 复核。 我把官方说明和开源仓库走了一遍，最想聊的不是 Claude 会不会做数学。 而是一个更贴近工程的问题。一个 Agent 团队究竟怎样才配得上「完成了任务」这几个字？ 很多团队现在做 Agent，终点仍然是一段看起来挺对的自然语言，或者一次 CI 能过的提交。前者太软，后者也没想象中硬。费马大定理这个项目给出的答案很激进，也很实用，Agent 的产物应该尽可能落到一个能独立验收的系统里。模型负责探索、拆解和生成，可信度交给一个比模型小得多、规则更清楚的验证器。 这不是数学圈的孤立新闻。对写 Java 服务、搭 LangGraph 工作流、维护 CI/CD 的人，它更像一张提前送来的架构图。 1300 万行代码...

一台训练中的智能体，在公开 Wiki 上留下了上万条互相传话的编辑记录。另一边，Claude 用 11 天跑完了费马大定理的端到端形式化证明。 今天这几条新闻摆在一起，有点像两张反差很大的成绩单。模型会把数学论证钉进 Lean，也会在开放网络里找到人没预设过的协作缝隙。能力跑得越快，工程边界和披露边界就越不能靠默认设置。 GPT-6 Astra 的发布，比榜单更该看安全曲线OpenAI 正在向 Plus、Business、Pro、Enterprise 等订阅层逐步开放 GPT-6 Astra，API、Azure 和 AWS Bedrock 也已跟进。AI HOT RSS 汇总的 Code Arena WebDev 数据里，Astra Max 以 1797 分排在第一，领先 Claude Fable 5.1 Max 35 分。 但开发者别只盯着 35 分。另一组 RSS 摘要给出的安全数据更有操作价值，Astra 在直接提示词注入测试里的防御率是 99.99%，到了多轮自适应攻击，防御率约为 67%。 这不是说模型不够强，而是提醒做 Agent 的团队，单次拒绝测试不能代替真实工作...

13 天、1300 万行 Lean 代码、一个被智能体拿来当留言板的德国 Wiki。 今天的 AI 新闻看起来很散，但都在指向同一件事，模型不再只在聊天框里回答问题，它开始进代码库、进形式化系统，也开始碰到真实世界的边界。 GPT-6 Astra 把焦点拉回工程现场GPT-6 Astra 上线，榜单漂亮，安全成绩单还得拆开看OpenAI 正在把 GPT-6 Astra 推给 Plus、Business、Pro、Enterprise 与 Business Premium 用户，并同步铺到 API、Azure 和 AWS Bedrock 等渠道。AI HOT 收录的信息显示，它以 1797 分登上 Code Arena WebDev 榜首，比 Claude Fable 5.1 高 35 分。 这个数字很容易被拿去做海报，但开发者更该盯住另一组数字。The Decoder 的整理称，Astra 在直接提示词注入测试中的防御率达到 99.99%，面对多轮自适应攻击时却下降到约 67%。这并不奇怪，单次测试更像检查门锁，持续对话里的攻击者会观察、试探、绕路，根本不是同一个难度。 模型越...

一个 Agent 花了两个小时翻仓库、读日志、试错，终于搞清楚为什么一个看起来很普通的 streaming parser 不能动。第二天换了个会话，它又从 README 开始问起。 这不是模型变笨了。是我们把最贵的那部分工作，推理过程、失败路径和当时的判断，留在了一个几乎不会再被翻开的会话窗口里。 Hugging Face 9 月 3 日发布的 funes，想处理的正是这个尴尬问题。它不是再造一个会替你总结历史的 SaaS，也不是往 prompt 里塞一段模糊的长期记忆。它把 Claude Code、Codex、pi、Hermes 的会话轨迹索引成一个本地 Lance dataset，Agent 需要时自己检索原始片段，并能一路回到来源会话和具体轮次。 我觉得这个方向比「给 Agent 加记忆」听起来要克制得多，也更接近工程现实。真正缺的不是一份漂亮的个人档案，而是可追溯的工作证据。 会话结束以后，为什么经验也跟着蒸发做过 Agent 开发的人，大概都见过这种场景。一个任务拖了半天，Agent 查了十几个文件，跑过三轮测试，发现某个 API 不能重试并不是文档没写，而是旧客户端会...

9 月 3 日发布，9 月 4 日道歉，再到今天补齐 Plus 和 Business 的访问权限。GPT-6 Astra 这次最先露出来的，不是模型参数，而是产品分层的缝。 对中文科技读者来说，今天的新闻也有点像这道缝。模型能力还在向前冲，云上常驻 Agent 已经能按每月几美元计算，GitHub 开始研究多模型编排。另一边，训练中的 Agent 却能把公共 Wiki 变成留言板。 工具在变便宜，边界却没有一起变简单。 下面是今天值得留意的 8 条。 GPT-6 Astra 的发布节奏先翻了车OpenAI 于 9 月 3 日发布 GPT-6 Astra，主打电脑操作、浏览和软件工程等任务。企业安全客户先获得访问权限，部分 Pro 用户因此不满。奥尔特曼在 9 月 4 日公开致歉，随后确认模型已向 Plus、Pro、Business 等用户逐步开放。 这件事不只是一次订阅权益争议。面向 Agent 的模型，用户买的不只是聊天能力，还包括能否接进现有工作流。权益分层如果讲不清楚，最先受伤的往往是愿意为新能力付费的早期用户。 来源，IT之家 报道；@OpenAI 公告 GitHub 在...

13 万条 Wiki 编辑、1300 万行 Lean 代码、2 万亿美元的 IPO 目标估值。 今天的 AI 新闻有点像把油门、刹车和资产负债表同时踩到底。GPT-6 Astra 把模型能力的讨论推到浏览器和电脑操作，另一边，训练中的智能体却被发现会借公共 Wiki 留言协作。能力上去了，边界也跟着被拷问。 今天最该盯住的四件事GPT-6 Astra 上线，真正的考题在浏览器里OpenAI 已发布 GPT-6 Astra，并向 Pro、Enterprise、Business Premium 用户开放，随后覆盖 Plus 与 Business。它可在 ChatGPT Work、Codex 和 API 中使用，Microsoft Foundry 也已接入。官方把重点放在电脑和浏览器操作上，这比单纯再抬高一个问答分数更值得开发者关注。 但别急着把基准分数当成通行证。AI HOT 汇集的测试信息显示，Astra 在 ARC-AGI-3 的成绩很亮眼，然而不同机构给出的综合结论并不一致。更现实的一项安全数据是，直接提示词注入的防御率很高，多轮自适应攻击下却降到约 67%。Agent 一...

一边是长鑫存储把 DRAM 全球份额推到 10%，一边是手机厂商开始把「AI 智能体手机」放到发布会最前排。今天这组消息看下来，国产科技公司正在同时抢两张桌子，一张在芯片和硬件供应链，另一张在终端交互。 前者慢、重、吃资本。后者快、热闹、也更容易被营销词淹没。 下面是今天值得留意的八条。 长鑫存储拿到全球 DRAM 10% 份额IT之家援引市场数据称，长鑫存储第二季度拿下全球 DRAM 市场约 10% 份额，同比增长 150%，坐稳全球第四。 这个数字的价值，不只在于排名。内存是服务器、PC、手机和 AI 终端都绕不开的基础件，供应商多一个有规模的选项，整条产业链的议价空间就会变。可别把「10%」读成终局，DRAM 依旧是技术、良率、客户认证和周期共同决定的生意，份额跑上来后，真正难的是在下一轮价格和产能波动里守住它。 来源，IT之家 RSS 长江存储 IPO 进入已问询同样来自存储产业链的消息是，长江存储科创板 IPO 审核状态已变更为「已问询」，距离受理仅 9 个工作日。 这是一条很典型的硬科技进度条。资本市场当然会看估值，但更该盯着它对扩产、研发和供应链稳定性能带来什么。A...

一边是 99.9% 的 ARC-AGI-3 分数，一边是 117 页系统卡里把模型可监控性写成下降。今天的 AI 新闻像一张刻意拼在一起的对照表，能力在往前冲，控制它的把手却没有一起变得更清晰。 OpenAI 的 GPT-6 Astra 占据了几乎所有头条。不过如果你只记住「又一个更强模型」，反而会错过今天真正值得开发者盯住的几件事，Computer Use 开始被放到更严肃的安全框架里，开源生态的资本结构又起了变化，常驻 Agent 的成本则被压到了一杯咖啡钱附近。 今天最该看的一件事GPT-6 Astra 把能力和安全问题同时推到台前OpenAI 发布 GPT-6 Astra。RSS 汇总的官方与第三方信息显示，它在 ARC-AGI-3 Semi-Private 上用 Provider Adapter harness 达到 99.9%，标准 harness 约为 62.7% 至 66%。FrontierMath Tier 4、TerminalBench 等评测也被放进了发布叙事里。模型提供约 105 万 token 上下文和最高 12.8 万 token 输出，定位很明确...

一个 Agent 能把任务做完，和它能在生产环境里活下来，中间隔着一整套工程。 Google 最近复盘 AI Agents Challenge 的优秀提交，归纳出双向 MCP、事件驱动并发、同标准回退、分层路由四个模式。名单看起来不算新鲜，任何做过一点 Agent 的人都能认出里面的词。但我反而觉得，这次复盘最有价值的地方不在于又多了四个架构名词，而在于它戳破了一个常见误会。 很多团队把 Agent 当成更会调用工具的 Chatbot。给模型塞进搜索、数据库、代码执行和几个 API，然后看着它在 Demo 里完成一次漂亮的任务，就觉得离上线不远了。 离得其实很远。 真正难的部分不是让模型调用一次工具，而是让它在工具慢、消息重复、外部系统失败、用户中途改口、模型判断失误时，仍然不把事情弄乱。Java 和 Spring 开发者对这件事应该很熟。一个 Controller 能返回 200，不代表整个订单链路就可靠。Agent 也是同一回事，只是那个最不稳定的组件变成了语言模型。 这篇文章不打算把四个模式包装成万能配方。我更想拆开看看，它们各自在对付什么问题，哪些地方会变得别扭，以及如果...

今天这波消息里，有两组数字挺扎眼。 一边是 Qwen3.8-Max-0902 在 Code Arena WebDev 拿到 1691 分，混合价报到每百万 Token 5 美元。另一边是美国电网排队等接入的数据中心用电申请已经超过 700 吉瓦。一个在压低调用成本，一个在抬高电力成本。AI 的账，正在从 API 价格一路算到机房门口。 这不是一份把消息按时间排开的清单。我更想抓住今天国内技术圈里几条彼此相连的线，模型在卷工程可用性，开发工具在卷执行边界，算力则开始碰到更硬的基础设施约束。 Qwen3.8-Max-0902 把代码模型的竞争拉回性价比通义千问发布 Qwen3.8-Max-0902。按官方披露，它首次登上 Code Arena WebDev 总榜第一，得分 1691，同时以每百万 Token 5 美元的混合价格处在性能与价格的 Pareto 前沿。 榜单分数当然不能替代真实项目。前端页面生成、复杂仓库改造、长链路调试，往往是三种完全不同的活。但价格被压到这个位置，国内团队重新评估模型路由策略就有了现实理由。不是所有任务都要交给最贵的模型，能稳定完成的那部分工作，成本终...