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。
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。
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。
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。
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。
Anthropic數學家Levent Alpöge宣稱,他與Claude已證明黎曼猜想,並在個人網站公開Lean程式碼,而非論文。程式解壓後有 175187 個 Lean 檔案、1737 萬行程式碼;數學家及 Lean 社羣正着手編譯和檢查,文章發出時尚未有驗證結果。Alpöge表示,部分論證由Claude在他不熟悉的領域完成,他也計劃理解和簡化證明。
Anthropic 數學家 Levent Alpöge 稱,他與 Claude 合作找到黎曼猜想及廣義黎曼猜想(GRH)的證明,公開材料包括一份 4 頁説明及分裝於 14 個壓縮包、約 1700 萬行的 Lean 形式化程式碼。
Anthropic 數學家 Levent Alpöge 稱,他與 Claude 合作找到黎曼猜想及廣義黎曼猜想的證明;公開材料包括一份 4 頁説明,以及約 1700 萬行 Lean 形式化代碼。陶哲軒初步分析後表示,數學界梳理核心思路並驗證正確性仍需時間。即使 Lean 代碼通過編譯,相關解答仍須在同行評審期刊正式發表,並經至少兩年驗證及數學界普遍接受,才可能進入克雷數學研究所的獎金評審程序。
Anthropic 數學家萊文特·阿爾波格稱,他與 Claude 合作找到黎曼猜想的證明,並將證明編寫成 Lean 程式碼。他亦稱證明涵蓋範圍更廣的廣義黎曼猜想;報道指出,若成果獲確認,將影響大量以該猜想成立為前提的數學結論。
Contra Labs 的 Frontier Design Benchmark 顯示,匿名 AI 模型 Gestalt 以 1931 分 Elo 評分、90% 勝率排名第一,超越人類參考作品。
Anthropic 員工兼數學家 Levent Alpöge 稱,他使用非公開版本的 Claude 花約六星期撰寫出黎曼猜想的詳細證明;證明是否正確尚未獲確認。這份以數學證明檢查語言 Lean 寫成的證明超過 250,000 行,數學家 Terrance Tao 表示,核實工作仍需一段時間。報道亦提及 OpenAI 早前公佈的 AI 數學成果仍未確認,學者批評企業宣傳此類成果可能損害數學研究。
Anthropic 研究員 Levent Alpöge 聲稱,他與 Claude 合作證明瞭黎曼猜想及其廣義版本。他尚未公開論文,但已發布以 Lean 撰寫的證明版本,文件有數百萬行程式碼;他稱完整證明超過 250,000 頁。Anthropic 尚未就此發布官方公告。
Anthropic 技術團隊的數學家 Levent Alpöge 稱,他使用 Claude 解出一項已有 150 年歷史、關乎質數的黎曼猜想。他的解答尚未獲正式或獨立核驗;Steven Strogatz 指出,電腦系統雖已核查該解答,但有時會出錯。數學學者表示,若解答成立,將是數學領域的重大突破。
Anthropic 數學家 Levent Alpöge 聲稱在 Claude 協助下證明黎曼猜想,但該證明尚未獲獨立核實。證明以 Lean 呈現,目前只刊載於 Alpöge 的個人網站;Anthropic 未就此置評,也未參與他的宣佈。克雷數學研究所規定,候選解答須經至少兩年審查並獲全球數學界普遍接受,才可考慮頒發每題 $1 million 獎金。
Anthropic 數學家萊文特·阿爾波格稱,他與 Claude 合作找到了黎曼猜想的證明,並表示成果亦涵蓋範圍更廣的廣義黎曼猜想。阿爾波格在個人網站公佈證明,並將其編寫為 Lean 程式碼,以逐步驗證數學推理。若成果獲確認,許多以廣義黎曼猜想成立為前提的數學結論亦將隨之得到證實。
2026年11月20日,Anthropic 數學家萊文特·阿爾波格宣佈,他與 Claude 合作完成黎曼猜想證明,並以 Lean 程式碼公開。證明亦涵蓋更廣泛的廣義黎曼猜想,並以 Lean 程式碼供同行逐行檢查;若獲學界確認,文章稱這將是 AI 首次在基礎數學核心問題上作出突破性貢獻。文末聲明指,文章內容由開放的智能模型自動生成,僅供參考。
Anthropic 數學家 Levent Alpöge 聲稱利用 Claude 證明已有 167 年歷史的黎曼猜想。 他以 Lean 程式語言發佈了這份證明。
BrillMark 以 100 張合成客戶支援工單,測試 Jev、Claude Sonnet 5、GPT-5.6 Sol 和 Gemini 3.8 Flash 的分類表現。Jev 快 4 至 7 倍、便宜 31 至 65 倍,中位延遲為 474 ms;使用 0.90 信心門檻時,自動處理的 61 張工單有 98.4% 的答案一致。測試只涵蓋單次支援分流,結果不應視為普遍效能保證。
Gemini 4 Hydrogen 與 Sonnet 5.5 的比較顯示,Google 公佈的九項基準中 Hydrogen 勝出六項,Sonnet 5.5 則在三項終端及電腦操作測試領先。
Google 推出 Gemini 4 Neon,定位為中階推理模型,旨在兼顧推理能力與成本。該模型在 Artificial Analysis 獲得 61 分,並提供 1M 上下文窗口。OpenCode 2.3.2 優化系統提示詞快取,Claude Code 2.1.327 則加入原生 stdin MCP 設定讀取功能。
Mika 於 2026-11-19 透過 OpenRouter 對 9 款 AI 模型進行即時基準測試,以三項開發者任務比較表現、延遲與成本,總花費為 $0.3727。
Artificial Analysis 的比較顯示,Gemini 4 Neon 在 Intelligence Index 僅落後 Claude Fable 5.2 和 GPT-6.2 Astra。其編碼能力媲美 Opus 5.5,成本則低得多。
Google 正式上線 Gemini 4 Neon;它在 Artificial Analysis 編程 Agent 榜取得 58.6 分,排名第一。Google 稱它在與 Claude Opus 5.5 和 GPT-6.2 Sol 的 19 組比較中,有 16 組取得最高成績。
推薦理由:文章並列 Neon 的編程榜排名、單次任務成本與 Antigravity 的多 Agent 分工,呈現其表現與任務開支的比較脈絡。
作者實測 Gemini 4 Neon,稱它在與 Opus 5.5 同台的 18 項基準中勝出 16 項。Artificial Analysis 綜合智能榜中,Neon 的 xhigh 得 61 分,高於 Carbon 的 60 分及 Opus 5.5 的 59 分;預設 high 檔平均每題成本為 $3.74,低於 Opus 5.5 的 $10.04。
推薦理由:文章結合第三方基準、作者本機任務與單題成本比較,呈現 Gemini 4 Neon 在編碼表現、速度和費用上的差異。
GPT-6.2 發佈後,開發者與媒體指出 Astra、Sol 出現回答難懂、任務中止或停滯等問題,OpenAI 的使用指南則提供三段提示詞作補救。
推薦理由:文章並列開發者實測、第三方評測與 OpenAI 模型卡數據,呈現 GPT-6.2 Astra 的基準表現與開發者實測口碑之間的落差。
Anthropic 籌備 IPO 之際,Microsoft 發布七款新 AI 模型,OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol。兩款 OpenAI 模型在其基準測試中勝過同系列模型,現已於全球 ChatGPT 和 Codex 向付費訂戶提供。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,並將 Astra 的價格下調 20%。兩款模型已在 ChatGPT Work、Codex 和 API 上線;Astra 的 API 價格為 $8 per million input tokens、$40 per million output tokens。
推薦理由:文章對照 OpenAI 公佈的基準成績與 Epoch AI、開發者的測試反饋,呈現模型基準表現和實際工作體驗之間的差異。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,前者主打高難度推理與編碼,後者面向日常編碼及大規模 Agent 工作;Astra 降價,Sol 維持 GPT-6.1 Sol 的原價。
推薦理由:文章並列官方基準、第三方測試與遷移限制,呈現 GPT-6.2 兩款模型在成本、編碼表現及安全用途上的取捨。
OpenAI發佈GPT-6.2 Astra和GPT-6.2 Sol,分別面向複雜專業工作與日常任務,並提升軟件開發、智能體工作流及多步驟任務能力,降低完成任務所需的Token用量。
一項以相同中文提示詞測試五個模型路線的 70 次調用評測發現,五者均避開八項直接有害要求;在捐款公告測試中,DeepSeek 和 Kimi 得 11/11,Claude、Codex 和 Gemini 得 10/11。測試亦發現,部分模型修改公告時刪去未經獨立審計的説明,或加入提示詞未提供的核實資訊。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別接替 GPT-6 Astra、GPT-6.1 Sol,面向複雜專業工作及日常任務,並稱新模型性能更高、消耗更少 token。
推薦理由:文章並列 GPT-6.2 Astra、Sol 的測試成績與 API 定價,並説明 OpenAI 所稱的任務成本差異受 token 用量及測試設定影響。
微軟推出 MAI Code 2 與 MAI Code 2 Flash,面向日常企業編碼任務,主打以不到一半價格達到相近的生產質素。微軟稱,四項日常企業級編碼基準的平均結果中,MAI Code 2 達 GPT 6.1 Sol 性能的 98%、成本為其 40%;達 Claude Opus 5.5 性能的 96%、成本為其 5%。
Microsoft 推出 MAI Code 2 與 MAI Code 2 Flash,兩款模型面向日常企業編碼任務,主打以較低成本達到相近的生產質素。
OpenAI 發佈面向複雜專業工作的 GPT-6.2 Astra,並推出面向日常工作的更新版 GPT-6.2 Sol。OpenAI 稱,Astra 在 Agents’ Last Exam 比 GPT-6 Astra 高 5.2 分,成本不到 GPT-6 Astra 的三分之一;Sol 在 FrontierCode 2.0 與 Astra 相差 0.5 分,成本約為五分之一。
推薦理由:報道並列兩款模型的工作定位、基準結果和成本差異,亦提及更嚴格防護據稱會限制部分正當漏洞研究。
Michael F 在 ClaudeArena 的 63 題 Professional 考試 Hard 難度測試中,讓五個 AI 模型作答,全部在 120 分鐘限時內取得 98% 或 100%。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,主打專業任務與日常工作效率,並提升 3D 建模及物理仿真能力。在 Agents' Last Exam 中,Astra 較前代提升 5.2 個百分點,任務成本降至三分之一以下;AA-3D 得分為 1318 Elo,排名第一。
推薦理由:文章對照專項評測、3D 工程案例及編碼與幻覺率數據,讓讀者掌握 GPT-6.2 Astra 的能力表現及適用邊界。
Artificial Analysis 的主指數顯示,GPT-6.2 Astra 僅落後 Claude Fable 5.2,編碼表現則與 GPT-6 Astra 持平。Epoch AI 的結果則顯示,Astra 與 Fable 5.2 並列。
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向專業工作與日常用途,並稱兩者基準測試成績均勝過前代。
推薦理由:多家第三方評測呈現不同側面,Astra 在科學與成本效益項目表現突出,但編碼成績停滯,法律測試亦顯示其表現較弱。
Fireworks AI 以多項專項基準比較 MiniMax M3.1 Flash 與多個閉源模型,結果顯示它在部分編碼比較中完成量較高,但在網頁研究、銀行客服、臨牀問答及報税任務中的表現不一。