OpenAI证明准黎曼假设后，数学家借其成果无条件证明19年悬置的Ellenberg–Venkatesh界
10月6日OpenAI宣称AI证明了准黎曼假设，数日后数学家Cureton与Thorner将这一结果平移至有限阶Hecke L函数，得到1-1/6000右侧无零点；开源社区随后把零点自由区边界推至1/32，并用Lean定理证明器完成形式化验证。
选题角度：原文串起从OpenAI准黎曼假设到1/32零点自由区再到19年难题被无条件证明的完整链条，适合做一次数学突破时间线复盘。
创作方向
推理能力 最新动态
模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
55 条精选近 30 天 52 条共收录 167 条
更新
推理能力的精选
公众号 · 新智元精选AI 评分5858 公众号 · 新智元精选AI 评分5858 南芥智能发布Mio 1.0 Lite技术报告，九项基准平均分77.15居首
南芥智能发布技术报告《Toward Collective Model Intelligence》，提出「模型群体智能」方向，并推出协调多款国产模型的Mio 1.0 Lite。
选题角度：技术报告给出九项基准的得分与单次成本对比，适合做一张成本与得分的对照图，讲清国产模型组合如何反超前沿单体模型。
公众号 · 新智元精选AI 评分7676 哈佛等机构发布TheoPhysEval评测：GPT-6 Astra解决98%理论物理难题
哈佛、Google DeepMind等机构联合发布理论物理评测TheoPhysEval，GPT-6 Astra在50道未发表难题中解出49道，得分98%。初评时Astra得88%、Claude Opus 5.5得92%，专家复核后发现部分标准答案存在符号错误等疏漏，修正后Astra升至98%。评测分联网与断网两轨，断网隔离轨道中Astra与Opus 5.5均为92%，平均每题API成本不到3美元。
选题角度：原文给出50道未发表物理难题的评测细节和AI反向纠错专家的过程，适合做一次评测解读，重点讲AI在隔离轨道下的表现和每题不到3美元的成本。
最佳拍档精选AI 评分5858 杨立昆AMI公司开源分层世界模型H-JEPA
图灵奖得主杨立昆创办的AMI公司发布分层世界模型H-JEPA并全面开源，模型让每一层在自己的潜空间、自己的时间尺度上做预测，规划自上而下逐级展开。在Visual AntMaze迷宫任务中，三层H-JEPA把成功率从单层的18%提升到73.3%，规划算力反而更低；消融实验显示收益来自时间分解与更抽象的目标表征空间两个可分离机制。
选题角度：视频梳理H-JEPA分层架构与Visual AntMaze成功率从18%到73.3%的实验，适合做架构图解加路线之争的解读。
抖音 · 搜「DeepSeek」精选AI 评分7272 DeepSeek V4.1 Flash 1017新版11项实测：代码与工程提升、中文写作退步
作者对DeepSeek V4.1 Flash 1017新版做了11项实测，代码与复杂工程交付提升明显，全站应用拿到49分、Token用量比旧版少三分之一，但中文创意写作和基础识图出现退步。
选题角度：作者用11项实测对比DeepSeek V4.1 Flash新旧版，代码与工程交付提升明显、中文写作和识图退步，适合按项目逐项展示前后差异。
公众号 · 赛博禅心精选AI 评分8080 DeepSeek V4.1-Flash-1017 发布：763B 参数、MIT 开源，API 开放自研搜索
DeepSeek 将 V4.1 Flash 更新为 V4.1-Flash-1017，总参数 763B，网页端、App 和 API 已全面换新，权重以 MIT 协议在 HuggingFace 和魔搭开源。
选题角度：新模型 11 项基准全涨、单任务成本从 3.3 元降到 1.3 元，适合用同一任务对比新旧版本的速度与花费。
公众号 · 新智元精选AI 评分8080 Gemini 4 Argon 在 ARC-AGI-3 拿到 97.5%，标准 harness 下仅 49.8%
ARC Prize 官方公布，Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 上取得 97.5%，成为第二家突破 95% 的实验室，第一家是 OpenAI。
选题角度：同一模型在两种 harness 下拿到 97.5% 和 49.8%，适合做对比解读，讲清榜单分数背后操作台的差别。
公众号 · 新智元精选AI 评分7878 谷歌DeepMind AlphaProof Nexus 成果登上 Science，证明9项埃尔德什问题
谷歌DeepMind的AlphaProof Nexus成果登上Science，为9项埃尔德什问题和OEIS中44项整数序列猜想给出证明，其中两道悬了56年的埃尔德什问题第12号子问题被解决。
选题角度：原文给出两道悬了56年的埃尔德什问题证明思路和对照测试结果，适合做AI与数学家接力改证明的案例讲解。
X · DeepSeek精选AI 评分6262 DeepSeek-V4.1-Flash-1017 发布，基准表现与速度提升并已上线 API
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，称其基准表现更强、任务完成更快、输出更短，在性能与成本上实现帕累托改进。该模型已在官网、App 和 API 上线，并针对 DeepSeek Harness、腾讯 CodeBuddy、WorkBuddy 等做了优化，使用 DeepSeek Harness 需升级到 v0.2.1-rc.1 或更高版本。
选题角度：官方称新模型在基准、速度和输出长度上全面优于上一版，并已上线网站、App 和 API，适合做新旧版本同任务实测对比。
公众号 · 新智元精选AI 评分5858 Scale AI 发布 HSS 基准测试 AI 视觉直觉，最强模型 GPT-6-astra 仅得 53.6 分
Scale AI 联合 Elorian 发布新基准 Humanity's Sixth Sense（HSS），专门测试人类一眼就能完成的直觉式视觉推理，20 名人类参与者得分 93.1%，榜首 GPT-6-astra 即使开到最大推理强度也只有 53.6%，25 个模型的中位数仅 30.9%。
选题角度：Scale AI 新基准 HSS 的 522 道题和 25 个模型榜单都公开，适合挑几道人类一眼能答、模型答错的题做对比演示。
X · Anthropic精选AI 评分6262 Anthropic 用 Claude Mythos 5 设计出更高效的量子电路
Anthropic 的 STEM Fellows Program 发布新成果，Claude Mythos 5 在给定自然语言指令后设计出量子电路，效果优于已发表的最优电路，部分情况下提升一个数量级甚至更多。更高效的电路可减少量子算法所需资源，有望让化学和材料科学领域的量子计算应用更早落地。
选题角度：Anthropic 官方披露 Claude Mythos 5 按自然语言指令设计量子电路，效果超过已发表最优结果，适合做效果对比解读。
公众号 · 新智元精选AI 评分6060 OpenAI前研究员Nick Cammarata发布长文：约90%神经元各有一个主要任务
OpenAI前研究员Nick Cammarata与Goodfire团队发布长文《神经网络早已「干净」》，提出神经网络内部计算有规律可循，而非一团混乱。团队在320亿参数语言模型中分开统计神经元正负响应，粗略估计约90%各有一个主要任务，约2%至4%仍未理解，并公开了1000份随机神经元研究报告。
选题角度：原文给出钱包归还、圣诞老人等具体神经元干预实验和90%神经元单一任务的统计，适合做可解释性研究的效果对比解读。
公众号 · 新智元精选爆款AI 评分4848 StartLux 发布 StartLux-Decision 新版本，称在 Decision Index 0.3 上断层第一
StartLux 发布决策模型 StartLux-Decision 新版本，距上个版本仅 10 天，提供 Instant（0.8B、2B、4B、9B、27B）与 AutoThink（4B、9B、27B）双模型矩阵。
选题角度：原文给出双模型矩阵、DecisionPivot 成对准确率和开源权重入口，适合做同尺寸新旧版本与 Jev 的成对准确率对比实测。
抖音 · 搜「AI」精选AI 评分7171 Jev发布24天估值从2亿美元涨到75亿美元，超四分之一财富500强排队接入
前OpenAI核心成员迪奥戈·阿尔梅达创办的Jev于2026年9月15日发布，24天后A16Z领投、红杉跟投8.7亿美元，投后估值达75亿美元。这个不做聊天、只保留多选一、打分和是/否概率输出的模型，单次决策耗时70毫秒，读入100万token成本4美分；Vercel记录显示发布24小时内全平台13%的付费团队完成接入，3天调用量破万亿级。
选题角度：从Jev发布24天估值从2亿美元涨到75亿美元切入，用订票7秒3分钱、清洗10万条文本5毛钱等案例讲清只做单步决策的模型为何被抢着接入。
X · 宝玉精选AI 评分6565 Cheng Lou 开源 Handwired：手写权重把程序逻辑变成免训练神经网络
Midjourney 工程师、前 React 核心成员 Cheng Lou 开源了玩具项目 Handwired，把程序里的 if-else 和循环改写成手写权重的神经网络，无需训练，输出与对应 JavaScript 程序完全一致，可在浏览器运行，代码以 MIT 许可开源。
选题角度：原文给出三个可直接在浏览器打开的 demo 和手写权重改写 if-else 的具体算式，适合录屏跑 Mini OS 与 10 万份 JSON 实时搜索看效果。
Reddit · AI 大众社区精选AI 评分6262 GPT-6.1 Sol 审查近 800 篇数学论文，6% 存在重大错误
GPT-6.1 Sol 审查了近 800 篇数学论文，发现 6% 存在重大错误，另有 30% 存在小错误。研究人员估计其重大发现的 90% 是正确的。随着 AI 使用率上升，较新论文的重大错误率降至 1.5%。
The Decoder精选AI 评分7878 GPT-6-Astra在50道理论物理研究题中解出49道，单题成本约2.40美元
一项新基准测试让商用AI智能体在无人类提示下解50道理论物理研究题，运行在OpenAI Codex环境中的GPT-6-Astra答对49道（98%），平均每题成本不到3美元，整轮约116美元。
选题角度：原文给出50道理论物理题的完整榜单和每题成本，适合做一次多模型同题实测对比，重点看GPT-6-Astra与Opus 5.5的差距和联网与否的分数变化。
公众号 · 智东西精选AI 评分7171 阶跃星辰开源Step 5 Preview，600B总参数登OpenRouter周榜第二
阶跃星辰正式开源Step 5 Preview模型权重，BF16、FP8两个版本同步上线Hugging Face和ModelScope。该模型采用稀疏MoE架构，总参数量600B、激活参数27B，支持100万Token上下文窗口，在Artificial Analysis Intelligence Index取得44分，位居全球开源模型前三。
选题角度：原文给出开源权重下载入口和与Claude Opus 5的成本对比，适合实测同一任务下Step 5 Preview的百万token长上下文表现。
抖音 · 杨博士说AI精选AI 评分6060 陶哲轩加州理工演讲：数学1.0时代已结束，数学2.0到来
陶哲轩在加州理工的演讲中提出，数学1.0建立在证明稀缺的假设上，这一时代已经结束，数学2.0是证明充沛的时代。他给出数学率先被AI攻陷的三点原因：客观可验证性、高度可数字化、海量高质量文献数据，同时提醒网上看到的成功案例可能存在幸存者偏差。
选题角度：陶哲轩在加州理工演讲里把数学1.0到2.0的转变讲成三点特性，适合做热点评论，重点讲证明稀缺性结束和幸存者偏差这两个反差。
公众号 · 差评X.PIN精选爆款AI 评分7878 谷歌正式上线 Gemini 4 Argon，输出上限拉到 100 万 Token
谷歌正式上线新旗舰 Gemini 4 Argon，在 100 万 Token 原生多模态输入基础上把单次最大输出上限从前代 6.4 万提升约 16 倍至 100 万 Token，输入输出共享同一上下文池。
选题角度：用同一提示词对比 Gemini 4 Argon 与 Claude 的生成成本与画面稳定性，原文给出 1.2 美元对 8 美元的具体差异。