OpenAI 在 GitHub 公开 372 项 AI 数学成果

概览

本期共 9 条，前 3 条为今日重点；正文按板块展开。

热门模型动态

1. 重点 · OpenAI 在 GitHub 公开 372 项 AI 数学成果
2. 重点 · Mistral Large 4 公开预览：1.05T 参数 MoE，100 万上下文
3. 重点 · 马斯克称 Grok Bot 将按任务调用外部模型
4. Anthropic 网络安全验证计划扩为三档，开放 Mythos 5.1

全球 AI 资讯

5. Meta 开源分配求解器 Rebalancer，日处理约 4000 万个问题
6. Musubi 发布开放权重审核模型 PolicyLM-1.7B

区域与早期信号

7. 上海 AI 实验室开源 Intern-Decision 决策小模型
8. Gmail 安装包代码显示在测试 Gemini 自动回信智能体
9. Meshy 进入 a16z 消费级 AI 应用月收入 Top 50

九凤根据本期已引用来源整理。

热门模型动态

OpenAI 把内部前沿模型生成的 372 项数学成果直接放到 GitHub 上，没有投期刊，其中部分附有 Lean 形式化证明，可供机器验证。

OpenAI 称，这 372 项成果每一项都旨在解决一个公开问题，或在这个问题上取得实质进展，内容包括对重要计算机算法的改进，以及与黎曼猜想相关的进展。成果托管在 GitHub 仓库 openai/math，附修订日志和引用。据 The Decoder 报道，成果中包含用于机器验证的 Lean 形式化。

• 生成方式：大多数成果来自「对单个智能体发出单条提示词」
• 算力消耗：平均每项约耗费 3 小时 ChatGPT Pro 算力
• 发布渠道：GitHub 仓库，不投学术期刊

局限：成果出自一个未对外开放的内部模型，报道没有给出型号。目前这些都是 OpenAI 自己的说法，没有经过期刊同行评审。OpenAI 选择用形式化验证来降低审阅成本，但学界如何复核这批成果，现在还不清楚。

图片来源：GitHub；已转存至九凤 R2。

来源：OpenAI · GitHub openai/math · The Decoder

Mistral 于 10 月 6 日开放 Mistral Large 4（内部昵称 Le Chonk）的 API 预览，权重计划在安全测试完成后公开。

Mistral 官方模型文档写明，ML4 总参数 1.05T、激活参数 52B（MarkTechPost 的报道写作每 token 激活 49B）。据 MarkTechPost 报道，ML4 采用细粒度 MoE 架构，在 Mistral 位于欧洲的自有数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从头训练。

• 多模态：原生图像输入，视觉编码器 1.6B
• 上下文：100 万 token
• API 价格：每百万输入 token 1.36 美元，每百万输出 token 4.18 美元
• 安全评测：在 Lakera B3 基准中抵御 93.3% 的攻击，KORABench 得分 1.691（满分 2.0）

局限：权重尚未发布，目前无法自托管。TechCrunch 称权重约三周后公开，届时安全测试已经完成；MarkTechPost 写的时间是 10 月底。TechCrunch 还称，在权重发布之前，模型只能通过一个公开的护栏端点访问。

来源：Mistral 文档 · TechCrunch · MarkTechPost

马斯克在 X 上表示，Grok Bot 会为不同任务选择「最佳后端模型」，并点名了 Claude Opus 5.5、Midjourney 和 Suno。

10 月 7 日，马斯克发帖称，SpaceX 将允许 Grok Bot 使用外部 AI 服务，按任务选择他所说的「best back end model」，以给用户更好的结果。Grok Bot 由 SpaceXAI 于 8 月 11 日以 beta 形式推出，用户可以把工作委派给它，由它在用户已连接的应用里执行操作。

局限：RuntimeWire 指出，这条帖子讲的是方向，算不上技术发布。帖子没有说明哪些任务交给哪家、选择机制怎么工作，也没有提到用户能否自选模型、能否看到是哪个服务处理了任务、能否控制发往第三方 API 的数据或关闭外部路由，定价同样没有说明。

来源：马斯克 X 帖子 · xAI：Grok Bot 发布 · RuntimeWire

Anthropic 扩大了 Cyber Verification Program，通过资格审核的安全从业者可以申请更强的网络安全能力，拦截分类器的限制也会放宽。

10 月 6 日，Anthropic 发布新版 CVP，设三个访问档位，每一档都能使用 Claude Opus 5.5、Claude Sonnet 5.5、Claude Mythos 5.1，以及之后的新模型。Anthropic 说明，Opus 5.5、Fable 5.1、Sonnet 5.5 等普通可用模型带有保守的网络安全防护，会拦下大部分网络安全类工作。

• Defense Access：面向防御类工作，申请提交后几天内回复
• Red Team Access：在此基础上增加授权渗透测试，只对组织开放，审核需要几周
• Specialized Access：拦截最少，由 Anthropic 与美国政府一起逐家审核，Glasswing 成员转入这一档

局限：要先申请并通过资格审核才能使用。公告承认，普通模型在安全编码场景下仍有误拦，官方正在设法减少。

来源：Anthropic

全球 AI 资讯

Meta 开源了内部用了 9 年多、负责分片、服务器和流量放置的分配求解器 Rebalancer，许可证为 Apache 2.0。

Rebalancer 是一个带 Python 接口的 C++ 库，在给定的约束和目标下决定「哪个对象放进哪个容器」，例如机架放进哪个数据中心、任务放到哪台服务器、用户流量导向哪个数据中心。

• 规模：每天处理约 4000 万个分配问题
• 安装：pip install rebalancer，版本 v1.0.4，支持 Python 3.12+
• 平台：提供 Linux x86-64 和 macOS 14+ ARM64 预编译包，另有 .deb、.rpm、Homebrew 包
• 配套：文档，以及调试界面 Rebalancer Explorer

局限：PyPI 上该项目仍标为 Alpha。

来源：GitHub facebook/rebalancer · MarkTechPost

Musubi 推出 1.7B 参数的开放权重决策模型，可以直接按自然语言写的内容政策审核消息，目标延迟低于 50 毫秒。

PolicyLM-1.7B 面向实时内容审核：输入一段用英文写的内容政策，它就能对消息做出判定。Musubi 称，它的成本和速度与多数社交平台使用的 AI 分类器相近；政策改动时不用重新训练模型，负责制定政策的人可以反复修改。

局限：报道没有给出许可证、准确率和评测数据，「不用重新训练」等说法目前只来自公司本身。

来源：TechCrunch

区域与早期信号

Intern-Decision 提供 0.8B、2B、4B 三档，不生成文本，而是输出带概率的选择、评分和「是/否」判断。

据 Pandaily 报道，模型直接返回选项、分数和「是/否」答案，并附上概率。沐曦（MetaX）提供了 Day-0 适配。

局限：目前只有一篇报道摘要，许可证、评测成绩和下载地址都还没有核实。

来源：Pandaily

拆包结果显示，Gmail 可能会加入一个 Gemini 智能体，用来查看收件箱、起草回复，部分邮件在发送前需要用户确认。

IT之家援引 Android Authority 称，Gmail 最新版（v2026.09.28）的 APK 中出现了相关代码：AI 收件箱里的待办事项旁可能会显示「使用 Gemini」按钮，遇到需要回复的邮件时会弹出「起草回复」。Gemini 无法确定下一步时会显示「需要你的输入」状态，用户可以点「提供输入」补充信息。

局限：这些只是安装包里隐藏的字符串，功能还没有上线，谷歌也没有官方说明，最终形态可能会变。

来源：IT之家

AI 3D 模型公司 Meshy 在 a16z 首份消费级 AI 应用月收入榜上排第 31 名，是榜上唯一一家 AI 3D 公司。

Meshy 自研面向 3D 生成的多模态模型，可以把文本和图像转成用于游戏、电影和 3D 打印的 3D 资产。公司称年度经常性收入（ARR）已突破 1 亿美元，全球注册用户超过 1500 万；2026 年 7 月完成近 4 亿美元 B 轮融资，估值 15 亿美元。

局限：以上数据来自 Meshy 的新闻稿，两篇中文报道都没有附上 a16z 榜单原文，收入数字也没有经过独立核实。

来源：雷锋网 · 量子位