一、AI 开始"证明"，而人类还在"理解"
这一周，最让我震动的一条新闻，是 Anthropic 的 Claude 模型攻克了渗流理论中的连续相变猜想。这个猜想在概率论圈子里被称为"圣杯"，悬了将近七十年，菲尔兹奖得主 Duminil-Copin 在上面倾注了数年心血也没能破解。而 Claude 给出的证明，通过了 Lean 形式化验证——机器检查过，逻辑上没有漏洞。
我盯着这条新闻看了很久。不是因为它多么"科幻"，而是因为它让我意识到，我们正在经历一个微妙的转折点：AI 不再只是帮忙查资料、写代码、润色文案，它开始产出人类没能产出的数学结果。
更有意思的是，OpenAI 同时在 GitHub 上公开了 722 份数学手稿，涵盖 372 个问题家族，霍奇猜想、黎曼 zeta 函数这些重量级难题都在其中。这些成果由内部模型在 3 小时内生成，从约 4000 个问题中产出，OpenAI 只验证了其中一部分。“量产"这个词，第一次被用在了数学研究上。
但另一条新闻形成了耐人寻味的对照：数学家陶哲轩从 AI 支持者变成了"减速派”，联合 25 位菲尔兹奖得主，呼吁 AI 公司放慢数学研究的节奏。他的担忧不是 AI 会出错，而是 AI 太快了——快到人类的理解和消化进度几乎为零。用他的话说，这会导致"证明消化不良"：我们手里攥着成千上万个被机器验证过的定理，却没有几个人真正读懂它们。
我对此深有感触。技术社区这些年一直在讨论"AI 会不会取代程序员"，但陶哲轩提出的这个问题更深刻：当产出的速度远远超过理解的速度，知识本身会发生什么变化？一个定理，如果只有 Lean 的类型检查器"读"过，它还算不算人类数学的一部分？
当然，乐观的声音同样响亮。Anthropic 强化学习技术负责人 Sholto Douglas 预测，AI 可能在几年内超越所有人类，完成人类在电脑上做的所有工作；他预计 2028 年 AI 年度资本开支达到 4 万亿美元，2030 年代初全球 GDP 翻倍。他描绘的未来里，地球上每个人都能享有今天首富也无法拥有的富足。
两种判断，我都愿意认真对待。技术乐观主义给了我们动力，而陶哲轩这样的减速派给了我们刹车。一个健康的生态，大概两者都需要。
一个 4B 参数的"会下棋也会讲棋"的小模型
在大模型的喧嚣之外，陈丹琦团队的 QUEEN 模型反而让我眼前一亮。它只有约 4B 参数，融合了棋类引擎 Leela 和语言模型 SmolLM3-3B，棋力达到 2697 分，接近特级大师水平——但更妙的是，它还能用自然语言讲解走棋思路。
经过七轮迭代训练，它的棋力从 1782 分提升了 915 分。这个工作填补了"会下不会说"的空白：以前的棋类 AI 是黑箱，下得出好棋但说不出为什么；以前的语言模型会讲解但棋力平平。把两者缝合起来，得到的是一个既能下又能教的对手。
我喜欢这类工作的理由很简单：它不追求参数规模的军备竞赛，而是问"一个足够小的模型能做什么"。在手机上跑得动的 4B 模型，加上一个好的领域引擎，也许比万亿参数的通用模型更接近"有用"。
开源与小工具：手绘讲解视频的自动化
虾蛄 AI 开发的 handdrawn-explainer 工具也值得一说。输入一个主题，它就能自动生成"边讲边画"的手绘讲解视频：AI 负责写稿、规划画面、生成绘画脚本，配音与动画同步。作者已经在英语教学、数学解题、物理概念等场景做了验证，甚至测试了 20 秒的样片，工具上传到了 SkillHub 供公众使用。
这正是我心目中 AI 工具该有的样子：不是替代创作，而是把"我想讲清楚一件事"的门槛降下来。以前做一段手绘讲解视频，要写脚本、画分镜、录配音、对时间轴，一个人能做但很累。现在这些环节被串起来了，创作者可以把精力放在"讲什么"和"怎么讲得更好"上。
工具的价值，往往不在于它多聪明，而在于它把哪些人带进了创作的门槛之内。
二、科技动态
Google 发布 Nano Banana 2 图像模型，价格砍半
Google 发布了 Nano Banana 2.1 图像模型，价格仅为上一代的一半，性能却超越了旗舰 Pro。它支持蒙版局部编辑、主体一致性保持（可参考 14 张图），在 Arena 多图编辑榜上排名第四，支持 4K 直出。Gemini App 等平台今天起陆续上线，旧 API 将于 10 月 29 日关停。图像生成这条赛道的竞争节奏，已经快到按周计算了。
来源：AITNT
OpenAI 正式启用文本水印技术 textGrain
OpenAI 正式启用了文本水印技术 textGrain，以满足欧盟 AI 法规要求。这项技术由"统计学诺奖"得主苏炜杰主导开发，核心是通过"熵预算"机制控制水印强度。加水印后模型性能无显著差异，400 词段落的检出率约 95%——但同义词替换 25% 后，检出率降至 17%。检测器目前仅向研究机构和专业人士开放。“AI 生成内容可追溯"听起来美好，实际对抗成本却低得令人担忧。
来源：AITNT
Mistral 发布 Large 4 模型，代号"大胖猫”
Mistral 发布了 Large 4 模型，总参数 1.05T，但每个词只激活 49B，训练用了 4000 张英伟达 GB200 GPU。它采用混合专家架构，支持文字和图片输入，具备 1M 上下文，在代码、法律、财务、视觉等基准测试中领先。权重将于 10 月 27 日开放，API 已上线。欧洲的开源阵营，总算有了一个能打的旗舰。
来源：AITNT
Claude 中文版悄悄上线
Anthropic 悄悄为 Claude 添加了中文界面支持，网页和桌面端已上线简体中文和繁体中文。结账页可选择 China，Pro 套餐 20 美元/月，Max 套餐 200 美元，但官方支持地区名单仍无中国大陆。a16z 榜单中 Claude 收入升至第 2，ChatGPT 的付费领先优势从 8 倍缩至 3 倍。全球化产品的本地化，往往就是这样"悄悄地进村"。
来源：AITNT
三、工具与文章推荐
handdrawn-explainer（SkillHub）——输入主题自动生成"边讲边画"的手绘讲解视频，AI 写稿、规划画面、配音与动画同步。适合教学、科普类创作者。
QUEEN 模型（论文与代码）——4B 参数的棋类语言模型，棋力接近特级大师，还能用自然语言讲棋。小模型 + 领域引擎的思路值得借鉴。
Lean 形式化验证（Lean 官网）——Claude 的渗流理论证明通过了 Lean 验证。想了解"机器检查的数学"是什么，从这里开始。
Utopai PAI 制作系统（AITNT）——把剧本、角色、场景、镜头和修改记录整合在同一工作台，解决长篇影视制作中的角色一致性问题。AI 视频从"生成工具"走向"生产基础设施"。
Mistral Large 4（Mistral 官网）——1.05T 参数、49B 激活的混合专家模型，权重 10 月 27 日开放。开源旗舰的新标杆。
textGrain 水印技术（OpenAI）——研究 AI 生成内容溯源的必读案例，“熵预算"机制的设计思路很精巧。
四、精彩言论
“AI 在生成解答和形式化验证上加速，但人类理解和消化进度为零，这将导致’证明消化不良’。”
——数学家陶哲轩，联合 25 位菲尔兹奖得主呼吁 AI 公司放慢数学研究节奏。来源：AITNT
“AI 可能在几年内超越所有人类，完成人类在电脑上做的所有工作。地球上每个人都能享有今天首富也无法拥有的富足。”
——Anthropic 强化学习技术负责人 Sholto Douglas。来源：AITNT
“AI 直接给出答案会抹杀数学家的创造力，AI 生成内容若污染训练数据，后果难料。”
——陶哲轩谈数学研究的 AI 化风险。来源：AITNT
“加水印后模型性能无显著差异，但同义词替换 25% 后检出率降至 17%。”
——OpenAI textGrain 技术报告，道出了内容溯源的现实困境。来源：AITNT