Anthropic 研究員稱 Claude 協助他證明黎曼猜想
Anthropic 研究員 Levent Alpöge 稱,他與 Claude 合作找到了黎曼猜想的證明,並表示成果亦涵蓋廣義黎曼猜想。他未有發表傳統論文,而是以 Lean 發佈約 17 million 行程式碼,供工具逐步檢查邏輯。這項證明尚未正式獲接納;數學家指出,Lean 編譯通過仍須確認命題表述正確,而且目前尚無人理解這份證明展示甚麼。
Anthropic 研究員 Levent Alpöge 稱,他與 Claude 合作找到了黎曼猜想的證明,並表示成果亦涵蓋廣義黎曼猜想。他未有發表傳統論文,而是以 Lean 發佈約 17 million 行程式碼,供工具逐步檢查邏輯。這項證明尚未正式獲接納;數學家指出,Lean 編譯通過仍須確認命題表述正確,而且目前尚無人理解這份證明展示甚麼。
MiniMax公佈最新內部模型的密碼分析研究成果,研究團隊利用該模型對現代密碼方案進行系統性自動化分析,發現多處此前未知的演算法構造缺陷,並將多項理論攻擊推進至秒級至分鐘級破解。該模型亦攻破歷屆 NIST 國際密碼標準化競賽中的多個候選演算法,這些演算法此前尚無已知實際攻擊。
MiniMax 研究團隊利用最新內部模型對現代密碼方案進行自動化密碼分析,發現多處此前未知的演算法構造缺陷。多項原本停留在論文理論層面的攻擊,已推進至可在秒級至分鐘級執行的破解。研究聚焦學術前沿方案、歷史競賽候選設計與公開參數挑戰,不影響 AES、RSA、SHA-256 等現行主流密碼標準的安全性。
智譜據指將於下週發布 GLM-5.4,這款定位取代 GLM-5.3 的模型參數量達7000多億,Preview 預覽版已在小範圍測試。傳聞中的旗艦 GLM-5.5 擁有3萬億以上參數,可能要到12月才發布;目前其技術細節尚未公佈。
作者以六次生成、共 70 credits、約 $0.70 實測 Ideogram 4.6,測試文字呈現、原生 4K、兩輪編輯及透明 PNG,並稱六次均通過。4K 生成檔為 4096×4096;第二輪編輯只把外套改成深紅色,保留人臉、姿勢、海灘背景及 1760×2336 尺寸。
開發者 WollyMonjac 將 Tiny 2.1 微型問答 Transformer 模型放進軟碟,讓運行 DOS 的 486DX 和 Pentium 電腦也能使用 AI。這款模型並非 LLM,老式 PC 需要約 540 KB 可用常規記憶體,並可透過內置揚聲器以機械人語音朗讀回答。軟件以 MIT 許可證發布,附有訓練資料夾供用戶補充訓練數據。
開發者 WollyMonjac 將 Tiny 2.1 微型問答 Transformer 模型放進軟碟,讓運行 DOS 的 486DX 和 Pentium 舊電腦也能使用 AI。模型有 36.7 萬個參數,採用 4 層網絡及 8 位量化,大小約 380 KB;運行需要約 540 KB 可用常規記憶體。軟件以 MIT 許可證發布,並提供訓練文件夾,供用戶自行補充訓練資料。
Artificial Analysis 評估顯示,OpenAI 的 GPT-6.2 Astra 和 Sol 回答更精簡、切題更快,但透明度評分低於 Anthropic 的 Claude Fable 5.2 和 Opus 5.5。
阿里雲開發者社區文章整理 Qwen3.8-Max 在百煉平台的模型能力、上下文規格、計費及地域限流資訊。模型採用 2.4 萬億參數 MoE 架構,可輸入圖像、文字和影片並輸出文字,上下文長度為 1,000,000 tokens;華北2(北京)按量價格每百萬 Tokens 分別為輸入 12 元、輸出 36 元。
AI-Sovereign 比較 373 個 AI 模型 API 的價格,截至 2026 年 11 月 22 日,每百萬 token 輸入價格低至 $0.017,輸出價格最高為 $180。
Anthropic 技術團隊成員 Levent Alpöge 稱,他與 Claude 找到黎曼猜想的證明,並以 17 million 行 Lean 程式碼呈現。Andrew Sutherland 等數學家編譯程式碼後,報告可無錯誤編譯。克雷數學研究所仍將猜想列為未解,並規定解答須在同行評審期刊發表,接受兩年獨立審查後才會獲認可。
Thinking Machines Lab 於 2026 年 11 月 20 日發佈 Inkling 2 Mini,這款 26.4B 參數的循環 Transformer 約佔 20GB 記憶體,可在 32GB MacBook 上離線運行,採用 Apache 2.0 授權。
推薦理由:文章將本機部署門檻與循環架構的計算取捨並置,並以編碼基準和事實回憶數據呈現其較適合的任務範圍。
Thinking Machines Lab 開放權重發佈 264 億參數的 Inkling 2 Mini,可由文字或圖片生成文字及程式碼。模型共 24 層,每個 token 會將中間 12 層依次運行 3 次,合計經過 48 層;每個 token 使用 34 億個參數,計入重用權重則合計 54 億個。
推薦理由:文章將 Inkling 2 Mini 與 Qwen3.8-27B、Gemma 4 31B 的單 token 參數用量及基準成績並列,方便比較循環層設計的計算取捨。
姚順雨及混元團隊在 Reddit 舉行 120 分鐘 AMA,回應近百個問題,表示計劃訓練規模更大的下一代 Hy 模型,並不刻意刷榜。團隊稱 Hy4 總參數量為 770B、Hy4 flash 為 224B,Hy4-mini 已列入路線圖,並考慮研發 24B 至 31B 稠密模型及前沿 Flash Lite。
阿里雲於 2026 年 11 月 11 日上線通義千問第四代旗艦 Qwen4-Max 預覽版,預覽期內模型調用按標準費率的 20% 計費。模型支援 100 萬 Token 上下文及文字、圖片、影片輸入,並具備原生 Agentic 能力。優惠至 2026 年 11 月 25 日 24:00(UTC+8);屆時 qwen4-max-preview 模型標識將下線,正式版會採用全新模型名稱。
Vidraft_lab 比較六個公開天氣預報模型,發現等權平均在預報前 1 至 7 日各區間的 RMSE 均低於單一最佳模型 ECMWF AIFS。
作者以單張 H200 實測 Qwen3.8-27B 處理長文件,約 260,000-token 文件的首個 token 等待時間為 52 至 55 seconds,後續問題通常需 1.1 至 1.6 seconds。
Anthropic 員工 Levent Alpöge 聲稱與 Claude 合作,花六星期找到黎曼猜想的證明。他以 Lean 呈現研究結果,並稱完整證明超過 250,000 頁。牛津大學數學家 James Maynard 表示,他有 98% 或 99% 把握認為 Alpöge 的發現正確;黎曼猜想是克雷數學研究所的千禧年大獎難題之一,首個正確解答可獲 $1 million。
推薦理由:報道列出 Alpöge 以 Lean 呈現研究結果、完整證明逾 250,000 頁的説法,並引述牛津數學家對其正確性的 98% 或 99% 把握。
LookAtMyQuant 使用量化編譯器將 Inkling-2-Mini 壓縮為 5.38 GB 和 8.87 GB 兩個版本,並比較其基準測試表現。5.38 GB 版本在 GSM8K 得 134/200、HumanEval 得 60/164,高於 9.14 GB 的 Unsloth UD-Q2_K_XL(132/200、49/164)。
推薦理由:文中比較 5.38 GB 版本與 9.14 GB 的 UD-Q2_K_XL,並列出 GSM8K 和 HumanEval 成績,呈現較小模型檔案在兩項基準上的表現。
Anthropic 數學家 Levent Alpöge 稱,Claude 在約六星期內協助他提出黎曼猜想的證明,兩組人其後核實其説法。Alpöge 提供以 Lean 編寫的程式碼供人驗證;這項猜想能否由該證明解決,仍待確認。
作者實測 ChatGPT 語音功能,並測試三種 OpenAI API 路線,發現這些系統能依歌詞辨認歌曲,卻幾乎不能只憑哼唱辨認旋律。在 MTG-QBH 測試中,逐字稿路線和 gpt-audio-1.5 各辨認有歌詞歌曲 71/76 首,gpt-realtime-2.1 辨認 74 首;對 30 段無詞錄音,三者分別只辨認 0、1、1 首。
Gemini 3.5 Flash-Lite 和 Gemini 3.1 Flash-Lite 各自處理 9 個 GitHub bug,合共呼叫模型 964 次,兩個模型都只修復 1 個 bug。按付費牌價計算,每個成功修復的 bug 分別花費 $0.561 和 $0.426;作者指出,未計入快取的工作流程計算器估算成本高出 2.4 倍和 1.8 倍。
Thinking Machines Lab 發佈 Inkling 2 Mini,這款開放權重模型約佔 20GB 記憶體,可在筆電運行。
推薦理由:文章並列 Inkling 2 Mini 的基準成績、循環計算取捨與監察測試結果,呈現其本機運行效率和推理可監察性的不同面向。
Gemini 4 Neon 從 2026 年 12 月 1 日起比 Carbon 每 token 便宜 25%,因 Carbon 輸入/輸出價格升至 $4/$20,Neon 維持 $3/$15。
推薦理由:文章將 12 月 1 日前後的 Neon 與 Carbon 價格、快取比例門檻和 API 遷移要求放入具體用量情境,方便團隊核算費用並檢查切換設定。
ja-nli-v1 是一款小型日語自然語言推理模型,根據前提與假設判斷藴涵、中立或矛盾。模型在 5,000 組封閉測試中取得 0.9612 準確率及 Macro F1,兩個多語言模型的零樣本分數為 0.7920 和 0.8094。模型採 Apache 2.0 授權並附有 ONNX,CPU 每組約需 109 ms;測試集由合成資料衍生,實際文本表現預期較低。
OpenAI 已在 API 提供語音模型 GPT-Live-1.1,新增待機模式,閒置 WebRTC 時段每分鐘收費 $0.02,低於啟用時的 $0.05。模型支援多語言全雙工對話;OpenAI 稱其口音、轉錄、字母與數字處理及任務完成能力有所改善,但未公佈基準分數。待機期間推理會暫停而 WebRTC 連線保持開啟,閒置逾時可設定為 5 至 60 秒。
Thinking Machines Lab 發佈 Inkling 2 Mini,這款開放權重 Looped Transformer 有 26.4B 總參數,模型檢查點約 20GB,可在 32GB Mac 上運行。
Thinking Machines Lab 發佈 Inkling 2 Mini 開源模型,採用 26,4B 參數的 Looped MoE,checkpoint 約 20GB。
NVIDIA 發佈 Nemotron-Labs-Sigma 開放權重連續擴散語言模型系列,涵蓋 3B 和 8B 兩種尺寸,共 14 個檢查點。模型在學習所得的 16 維嵌入空間逐塊去噪,每塊經多輪去噪後輸出 64 tokens,再處理下一塊。
阿里雲2026年雙11為Qwen3.8-Flash提供按量付費和Token Plan兩套優惠方案,並解析活動入口、折扣規則及選型。按量定價為輸入每百萬Token 0.8元、輸出每百萬Token 2.7元,節省計劃最低4.5折;Token Plan新客首購5折,夜間指定時段Credits消耗打4折。兩套計費通道優惠不互通,按量模式適合用量浮動,穩定或批量任務可考慮Token Plan。
Qwen4‑Max 預覽版相較 Qwen3‑Max,轉向真實任務交付,並在原生圖像與影片理解、智能體操作範圍、發布流程和計費方式上有所不同。
Qwen3.8-Flash 是面向高頻、低延遲及成本敏感任務的輕量模型,適合批量內容處理、客服問答和資訊抽取等場景。它支援 JSON 結構化輸出、工具調用及文字與圖像輸入,並可透過百煉平台調用,兼容 OpenAI 與 Anthropic 風格接口。個人版 Token Plan 月費由 39 元至 312 元,額度按月重置、不結轉。
阿里雲 Qwen4-Max 面向長鏈路專業工作,定位為旗艦多模態智能體基座模型,並以長上下文及降低單任務成本為重點。模型總參數為 2.4T,每 Token 激活 71B,支援 100 萬 Token 上下文;官方 Work360 評測得分為 52.69,平均單任務成本較上一代下降 58%。
2026年,阿里雲百煉平台上線 Qwen4-Max,並將其接入 Token Plan 訂閲體系,首發新客首購套餐優惠為 5 折。Qwen4-Max 支援文字、圖像理解、工具調用、聯網檢索和結構化輸出;預覽版僅可透過 Token Plan 調用,暫不提供單獨按量計費。
阿里雲百煉上線 Qwen4-Max,並將其接入 Token Plan 訂閲體系。Token Plan 個人版新用戶首購 Lite 月費由 39 元減至 19.5 元;Qwen4-Max 預覽版在 2026年11月25日24:00(UTC+8)前按標準費率的 20% 扣減 Credits,夜間調用另有折扣。
阿里雲開發者社區文章介紹 Qwen3.8-Max 的模型定位、主要能力、適用場景及計費方式,並列出按量 API 和 Token Plan 兩種模式。文章稱,Qwen3.8-Max 採用 2.4 萬億參數 MoE 架構,支援百萬 Token 上下文、文字、圖片及影片輸入,並針對智能體、編碼和專業辦公等複雜任務。
Qwen-Image-2.1 是一款 7B 圖像模型,可由同一模型完成生成、編輯和摳圖,並支援原生透明通道及 2K 輸出。阿里雲百煉列出的北京及全球地域原價為 qwen-image-2.1-turbo 0.1 元/張、qwen-image-2.1-pro 0.25 元/張,失敗調用不收費。
文章將 Qwen3.8-2.4T-A95B 定位為可下載、可改造的旗艦開源底座,主要面向數據不出域及需要自行改造模型的部署需求。開源版為純文本、全思考模式,原生上下文為 262,144 Token;BF16 權重約 4.89 TB,單機部署不現實。
Qwen-Image-3.0 定位於日常創作與批量出圖,Qwen-Image-3.0-Pro 則面向複雜排版、文字渲染及細節要求較高的專業成品。文章列出最長約 4.5k Token 的輸入、10px 小字渲染,以及覆蓋 12 種語言和 20 多種字體等規格,並介紹文生圖、圖生圖和圖像編輯。
Qwen3.8-Max是面向智能體及複雜長週期任務的旗艦基座模型,採用2.4萬億參數MoE架構,支援百萬Token上下文及文字、圖片、影片輸入。文章列出按量API及Token Plan兩種使用方案:按量輸入為12元/百萬Token、輸出為36元/百萬Token,個人Lite套餐月費39元。