OpenAI 说自家模型解决了 100 多个数学开放问题。同一天，它请了九位数学家来看管这件事。
① OpenAI 成立数学家咨询组，顺手承认解了 100 多个开放问题
来源：TechCrunch / 普林斯顿高等研究院 / Ethan Mollick
咨询组设在普林斯顿高等研究院，首批九名成员。职能只有两块：评估数学新成果的意义，协调对外发布节奏。
它无权放慢或改动 OpenAI 内部的研究进度。成员不领 OpenAI 的钱，可以主动发表未受邀的意见。
同一份公告里，OpenAI 承认内部模型除了做掉 Navier-Stokes，还解决了 100 多个数学领域悬而未决的开放问题。快到自己内部的数学家都意外。
九名成员里，此前签过那封 25 位菲尔兹奖得主公开信的，只有 Camillo de Lellis 一个。
点评
请人来看，又当场声明对方管不了自己。这套设计的重心是"可以对外发言"，不是监督。
上个月 Navier-Stokes 出来的时候，数学界的反应是不满多于佩服。痛点从来不是"做不做得出来"，是"做出来之后认不认"。
现在 OpenAI 花钱买的是一条缓冲带。看这份九人名单就懂了，它想请的是能对话的人，不是会举牌的人。
② 小米开源 MiMo-V2.6 系列，登顶开源权重模型第一
来源：小米 MiMo 公众号 / Nathan Lambert / Artificial Analysis / OpenRouter
Pro 是 1.02T 总参数、42B 激活。Flash 是 310B 总参数、15B 激活。两个都是原生全模态，上下文 1M。
Artificial Analysis 智能指数上，Pro 拿到 46 分，开源权重模型里最高。前代 MiMo-V2.5-Pro 是 26 分。
三款模型同日上 OpenRouter，包括那个约 10 倍速的旗舰变体。Flash 限时免费一周。
放出来的不只有权重。RL 面板、7K 个多样化环境、完整 RL 训练框架，还有全部训练动态。
点评
这次开源开得比模型本身更狠。权重给出去是常规操作，把"怎么训出来的"一起交出去，那是另一回事。
罗福莉说是团队按算力算最大的一次单次 RL 运行，异步训练每步吞 1,568 个样本、2.7 到 3.7B token。技术报告里写明了方向：RSI，递归自我改进。
46 对 26，一代翻了将近一倍。分数本身没什么，这个斜率才值钱。同一天发布的 Grok 4.7，被自家社区的 KOL 发帖改口说"真正的惊喜是 MiMo-2.6，更强还便宜得多"。
③ Grok 4.7 发布，价格没动，终端基准差点翻倍
来源：xAI / Testing Catalog / Rohan Paul
同价同速，相比 Grok 4.6 是纯升级。上线位置是 Grok Build、Cursor 和 API。
Terminal-Bench 4.0 得分接近翻倍。Harvey 法律智能体基准 19.6%，大幅领先。官方说部分任务性能已经接近 Opus 5。
官方口径里还有两句：在困难任务上工作时间更长、检查更仔细，以及带来了迄今最强的安全防护。
点评
xAI 的节奏是小版本磨一次，不搞大跳。这次涨的全是 Agent 类能力。终端和法律两项，都是要真干活的地方。
发布日撞上 MiMo 开源，话头被抢了。这没什么办法，模型公司现在一周能撞好几次车。
顺带一个信号：Harvey 这个法律基准越来越像 Agent 能力的通用考场，跟 Terminal-Bench 放一起看，指向很清楚。
④ Meta Muse 爆零日漏洞，一条终端命令就能偷走账户
来源：Ars Technica / Patrick Wardle
macOS 安全研究员 Patrick Wardle 披露。任何本地应用、甚至一条终端命令，只要改掉语音转录的端点，就能偷走用户的认证 token。
拿到 token 就等于拿到账户。接管之后，Muse 的高权限跟着到手：写文件、拍照，都能代做。
点评
Muse 从发布桌面端到登顶 App Store，只用了两天。权限给得也快。
一个智能体要能替你干活，就得有手。有手，别人就能借你的手。这两件事是同一件事。
这类漏洞往后只会更多。原因很简单：权限模型还没定完，产品已经上线了。
⑤ OpenAI 提案：美国牵头，建全球 AI 安全协调框架
来源：OpenAI 提案 / Rohan Paul
提案要求由美国牵头建国际框架，覆盖四件事：能力评估、风险评估、人类监督、统一事件报告。
指标设计里有两项值得单拎出来：追踪跟 RSI 相关的能力增益，以及实验室内自主开展研究的比例。
提案还要定一个阈值，一旦越线就触发即时人工审查。它同时警告，自主研究可能变得过于不透明，难以有效监督。
发布时间跟美中就国家级 AI 事件通报机制的谈判撞在一起。
点评
整份提案最实在的是那句"可能变得太不透明"。翻译过来就是：它自己也不确定下一代模型在里面干什么。
跟请数学家来看管数学一个思路。先立个样板，再谈规则怎么定。
至于 RSI 那两条指标，表面是监管，读起来像产品路线图。盯着什么，就意味着已经在做什么。
今日还值得关注的：
- 亚马逊掐了 Muse 的购物路径：亚马逊封掉 Muse 代用户在 amazon.com 下单的访问，说从未许可过，还指它不表明身份、会存用户账号凭证。Forbes 报道，双方都没披露技术手段。
- BC 省在加州起诉 OpenAI：指向一个被打过 flag 的 ChatGPT 活动，本应在 2 月 Tumbler Ridge 枪击案前通报警方。那起案子 8 人死亡，含 5 名儿童，27 人受伤。
- NBER 随机对照试验：AI 让初级专利律师变强，但判断力没变：11 家律所 133 名专利律师，做了三个月。初级律师草稿质量提升 0.58 SD，资深只有 0.30 SD。底层判断力没涨。
- 加州签七项数据中心法案：新设电价分类，数据中心得自己扛电网和供水系统升级费用，拟建项目还要申报预计用水量和干旱规划。Newsom 前一周刚签了 kill switch 行政令。
- Anthropic 预训练研究员弃股权离职：Jacob Coxon 在归属期前两个月走人，公开说 OpenAI 和 Anthropic 都在赌超级智能，拿人类生命下注。他在两家公司做过三年预训练。
- AWS 开源 Strands harness：Apache 2.0，Python 和 TypeScript 两个版本，一行 create_harness() 就能跑，兼容 Bedrock、Anthropic、OpenAI、Google、Ollama。六项基准下 token 成本平均降 28%。
- Andrew Ng：危险恐慌是公关炒作：他拿 OpenAI 智能体集群入侵 Hugging Face 当例子，说 1,200 个智能体跟普通并行进程没区别，根子在沙箱和监控坏了。该修漏洞，不该暂停。
- Jeff Dean 离开 Google 后首谈：聊怎么挑值得投五年的问题、编码对构建推理模型的启发、RSI 会长成什么样、科研发现循环怎么自动化。
- M5 Ultra Mac Studio 实测：256GB 内存，提示词处理比 M3 Ultra 快约 150%。Qwen3.8-Flash-Next 短提示词超过 100 tok/s，256K 上下文下还有 60 到 85 tok/s。
三家公司同天出场，头条却归了数学。
OpenAI 一边说解决了 100 多个开放问题，一边请九位数学家来评估。
你觉得这九个人第一句话会是什么?