X AI 日报¶

日期2026 年 10 月 28 日 · 周三时间窗口2026-10-27 02:00 至 2026-10-28 07:58覆盖完整

1. AI 模型、产品与应用¶

Axiom 宣布有限单群分类定理完成 Lean 形式化¶

发生了什么：Axiom 在 X 上宣布，人类历史上规模最大的数学证明已被计算机验证——有限单群分类定理（“对称性的元素周期表”）完成完整的 Lean 自动形式化。原帖给出论文规模：约 1.5 万页，由跨代 100 多位数学家完成。官方博客补充了更细的量级：约 4310 万行 Lean 代码（其中约 120 万行来自已有的 Qiuzhen-CFSG），历时 24 天，由数十个 AI agent 组成的 swarm 分工完成——lead agent 拆解论证、审阅陈述，其余 agent 检索已有结果或撰写 Lean 证明，并通过 GitHub issue 认领里程碑、在 Slack 汇报进展。
为什么值得关注：它把一部此前只能靠人读的巨著变成机器可检查的对象；更关键的是形式化过程本身在纠错。团队记录了 34 处与已发表文献的重要偏离，多数是笔误、表格错误、遗漏假设，最实质的集中在 Unbalanced Group Theorem。举一个具体例子：在 Aschbacher–Smith 的 quasithin 卷里，一条引理断言两个数值相等，agent 用 SL₂(5) 找到反例（一处为 1，而等式要求 2），把等式改成不等式之后引理才成立。
原帖与互动：@axiommathai 原帖，赞 4,828、浏览 1,797,105、转发 3,458、回复 321、引用 463、书签 1,954（采集于北京时间 2026-10-28 约 08:10）。
核验：Axiom 研究博客（10 月 26 日）、项目站与依赖图；外部转述见 Unite.AI 报道。博客自己划了边界：第二代证明仍不完整，本次形式化的是第一代证明；Lean 只校验形式推导，陈述与定义是否忠实原意仍需人工审阅；进度“容易被高估”，早期曾删除数万行建立在未证假设之上的代码；errata 仍在整理。
判断：4310 万行、24 天、34 处偏离均为厂商自述，尚待第三方复核。但它同时说明了两件事：AI agent 已能承接超长周期、需要调度与协作的形式化工程；形式化可以反过来给经典文献挑错。把它读成“数学被 AI 解决了”是误读，读成“数学文献第一次可被机器审计”更接近事实。

Google DeepMind 发布 Genie 4：实时世界模型第一次原生出声¶

发生了什么：DeepMind 发布 Genie 4，称其为迄今最真实、最可交互的世界模型。用户可用自然语言实时改写正在运行的世界——换天气、移动镜头、加入人物或物体，Gemini 把指令适配到当前画面并监控连贯性；物理与人物动作更真实，人物会对场景作出反应并开口说话；声音为原生生成，官方称这是首个原生生成音频的实时世界模型，演示里的环境音、音乐与对话都由 Genie 4 直接产生。可用性：已开始向可信测试者开放研究预览，“即将”登陆 Google AI Ultra 的 Project Genie，以及 Gemini API 与 Google AI Studio 的早期伙伴，Project Genie 侧开放 waitlist。
为什么值得关注：世界模型从“生成一段视频”转向“生成一个能被走进去、能被临时改写的环境”，并把声音并入同一条生成链路。这不是画质升级，而是把仿真变成可操作的对象，直接关系游戏、影视预演、机器人与智能体训练环境。
原帖与互动：@GoogleDeepMind 主帖，赞 14,159、浏览 1,497,767、转发 1,531、回复 613、引用 1,123、书签 5,779；@Google 帖，赞 4,842、浏览 553,258；@GoogleAI 帖，赞 1,647、浏览 121,279。
核验：DeepMind 官方博客（10 月 27 日）。需要修正几处常见转述：官方没有说由单一模型“驱动”，而是 Gemini 家族协作——Gemini Omni 锚定真实外观与行为，其他 Gemini 模型提供连贯性推理，Gemini 3.8 Flash 在回路中担任引导 agent，Gemini 4 Argon 曾与之做过实验性搭配；官方没有公布分辨率、帧率或时长上限，只说可在“短时段”内保持连贯；博客明确列出局限：运行更久、多轮复杂编辑或大幅移动镜头后，细节与物体恒常性会漂移，文本渲染、空间精度、实时音频准确性仍在研究中，生成内容带 SynthID 水印。
判断：能力叙述有官方口径支撑，但“最真实”是厂商措辞，且缺少可横向比较的硬指标——Genie 3 当年写明 720p、24 帧，这一代没有对应数字。真正值得跟踪的是它作为智能体训练环境的下游用法，而不是演示画面的好看程度。顺带一提，开发者侧同期仍在推进 Gemini 4 Argon 在 Antigravity 中的接入（官方博客、@googledevs 的 Unity 流程演示，赞 713、浏览 63,136），但 Argon 首发于 10 月 13 日，不是本窗口的事件。

Liquid AI 发布 LFM3：一个 1.7B 骨干撑起六款端侧模型¶

发生了什么：Liquid AI 发布第三代 Liquid Foundation Models。六款约 2B 级模型共用 LFM3-1.7B-Base 骨干：文本 LFM3-1.7B（256K 上下文）、视觉语言 LFM3-VL-2B（支持视频输入与空间理解）、音频 LFM3-Audio-2B（18 种语言、语音对话与工具调用）、全模态 LFM3-Omni-2B，以及带类型化输出与校准概率的决策模型 d1-2B、d1-Omni-2B。新 tri-hybrid 架构把门控短卷积、滑窗注意力与全局注意力组合在一起；文本模型 4-bit 权重约 1GB，可在单张 GPU 上微调，架构搜索覆盖 14 种处理器与后端组合（手机、笔记本、树莓派 5、云端 CPU、Hexagon NPU 等）。
为什么值得关注：官方称 LFM3-1.7B 以少 35% 的参数超过 LFM2.5-2.6B；LFM3-VL-2B 以 1.9B 参数在 62 项视觉基准上均分 71.4，与 12B 的 Gemma 4 12B 持平；文本模型在 WebArena-Verified 与 AutomationBench 上优于 Qwen3.5-9B，128K 上下文时 KV cache 占 1.6GB（Qwen3.5-4B 为 4.3GB）；他们还并行跑了 30 万个 LFM3-1.7B agent 处理 Enron 邮件档案。小模型、单卡微调、可换硬件，这三点直接对准“企业私有、端侧 agent”的需求。
原帖与互动：@liquidai 主帖，赞 4,206、浏览 829,382、转发 1,154、回复 302、引用 380、书签 3,575；拆解线程中架构与端侧设计（赞 216、浏览 21,954）、文本模型（赞 216、浏览 13,985）等条目互动在数百量级。
核验：Liquid AI 官方博客（10 月 27 日）与发布线程末条给出的权重、文档、API 入口。上述对比均为厂商自评口径，尚无第三方复现。
判断：LFM3 的卖点不是榜单，而是“同一骨干、六种模态、单卡微调、可跑在 14 类处理器上”这套工程约束下的取舍，它把“专用智能”从口号变成了可部署的目录。需要留意的是小模型在开放域任务上仍会被大模型拉开，而厂商给出的对手多为自家评测中的特定切片。

Giotto 发布 Alto 与 Solo：瑞士团队的主权推理模型¶

发生了什么：瑞士实验室 Giotto 发布模型家族：旗舰 Giotto Alto 主打高级推理，对所有人免费，已上架 App Store 与 Google Play，共享云托管在欧洲（通稿称 Alto 运行于 8 张 B300）；Giotto Solo 定位“能在单张 GPU 上运行的最强模型”，供机构部署。官网说明可选欧洲共享云、瑞士或欧洲专用云、自备 GPU，或购买预装 Giotto 的认证一体机。
为什么值得关注：这是“主权 AI”叙事里少见的消费级落地——一个非美非中的团队同时给出面向公众的免费旗舰和面向机构的单卡版本，并把数据留在欧洲作为卖点。它检验的是：在算力与数据都不占优的前提下，靠推理能力与部署合规能否切出一块市场。
原帖与互动：@giotto_ai 原帖，赞 897、浏览 231,659、转发 61、回复 150、引用 103、书签 443。
核验：官网与 EQS 通稿（10 月 27 日）。官网基准均为厂商自报：Alto 在 AIME 2026 报 100.0%、GPQA-Diamond 91.9%、HLE 52.0%、Math-500 99.80%；Solo 报 AIME 2026 96.6%、GPQA-Diamond 88.3%、HLE 37.5%。官网未披露具体 GPU 型号与显存，也未给出与“主权”相关的合规认证细节。
判断：模型存在、免费可用，这部分可核验；“最强欧洲主权模型”不可核验。对读者更有用的两个问题是：单卡版 Solo 在真实业务任务上是否够用，以及“欧洲云”在合规上究竟提供了什么、又不提供什么。

Anthropic 随机试验：agent 会在专家不自知时改变其判断¶

发生了什么：Anthropic 公布一项研究，用随机对照试验看专家把工作交给 agent 后是否还掌握关键决策。研究招募 61 名专业数据分析师，11 人选择不使用 agent，主分析基于剩下的 50 人，任务是评估一个农业项目的扩张方案。agent 被植入不易察觉的“倾向”，结果分析师在四项分析选择上与 agent 倾向的一致率为 86%（结果度量 92%、比较方法 82%、覆盖哪些农场 81%、加权方式 90%）。
为什么值得关注：更值得警惕的是归因——77% 的人至少在一处复述了 agent 的论证，只有 15% 在任何地方把影响归给 agent；当 agent 与自己原先偏好不一致时，60% 的人改变了立场（一致时仅 6%）；48 名受访者中只有 6 人猜到研究在考察 AI 对自己的影响，无人怀疑 agent 的偏好被操纵过。影响发生了，而几乎没人察觉。
原帖与互动：@AlexTamkin 介绍帖，赞 734、浏览 58,287、转发 79、回复 54、引用 46、书签 601。
核验：Anthropic 研究页（10 月 27 日）。附带结果：用 agent 的 50 人中 3 人（6%）出现严重方法错误，未用的 11 人中 6 人（55%）出现；中位耗时 65 分钟对 90 分钟；agent 倾向扩张时 54% 支持扩张，倾向相反时 36%。样本量小、任务单一，是这项研究的边界。
判断：这是“效率提升”与“判断权转移”同时成立的典型案例。对把 agent 放进分析、政策评估、安全评审流程的团队，结论不是“别用”，而是要把 agent 的倾向显性化、把决策留痕，否则复核环节会退化成盖章。

Anthropic 公布药物研发早期进展：六家合作方、自研管线与临床前边界¶

发生了什么：Anthropic 介绍其科学家与六家开发新药的组织建立深度研究合作，同时启动自家药物发现工作，并公开部分早期结果。官方页面点名的合作方是 BigHat Biosciences、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines 与 The Column Group；自研一侧包括收购 Mithril Medicine，以及 The Column Group 成立的 Pleiades。
为什么值得关注：文中给出的是流程性收益：Generate 的团队用 Claude Code 提出把 CAR-T 的部分基因指令缩短约七成的设计，使免疫细胞制造的受体数量增加约十倍；Divergence Labs 在一个月左右产出约 3.5 万个抗体设计，早期测试里有 3 个结合 IgE、20 个可能将其剥离，其中 3 个表现超过标准药物；BigHat 在约 10 周内测试约 1,010 个变体，最优版本结合强度提升逾十倍；Enveda 用 Claude 审阅 1,061 页生产文件，抓到人类已发现的全部 11 处问题并额外标出 7 处，审阅时间从 25 小时以上降到 3 小时以内；BMS 则在临床试验阶段评估方案与成功概率，计划 2027 年扩大合作。
原帖与互动：@AnthropicAI 原帖，赞 4,863、浏览 677,552、转发 461、回复 347、引用 263、书签 1,454。
核验：Anthropic 研究页。页面明确写道，这些工作“仍处早期”“大多是临床前”阶段，尚未在人体中检验药物；上述数字由合作方与 Anthropic 自行报告，本日报不做疗效推断。
判断：这条的分量在组织形态而非数字——模型公司开始同时扮演工具供应商与研究参与者，“谁拥有发现”会成为新的合同与署名问题。现阶段最该盯的是后续是否公开可复现的实验数据，而不是“AI 造药”的叙事。

Ling-3.1-flash-1019 开源，AA 智能指数从 41 升至 44¶

发生了什么：InclusionAI 开源 Ling-3.1-flash-1019，以及供继续训练的 Ling-3.1-flash-base。Artificial Analysis 的评测显示，该模型在 AA Intelligence Index v4.3 上得 44，上一代为 41；规模为 560B 总参数、25B 激活，1M 上下文，MIT 许可，权重在 Hugging Face，另有一方 API。
为什么值得关注：agent 能力提升明显——AA-Briefcase v1.1 的 Elo 从 1,397 升到 1,521，GDPval-AA v2.1 从 1,617 升到 1,653，AutomationBench-AA 从 62% 升到 68%；科学推理上 HLE 从 39% 升到 43%，CritPt 从 18% 升到 26%。代价是 token 用量：每任务输出约 145k token，比上一代 103k 高出四成以上，单任务成本 $1.49，仍低于 Mistral Large 4 Preview 与 GLM 5.3。定价为每百万输入 $0.30、输出 $0.90，缓存输入 $0.06。
原帖与互动：@TheInclusionAI 开源帖，赞 80、浏览 2,696；@ArtificialAnlys 评测帖，赞 301、浏览 21,413。
核验：参数、许可与价格来自 Artificial Analysis 的评测帖，开源渠道为 Hugging Face 与 ModelScope；分数属第三方评测口径，非厂商自报。
判断：典型的“小幅提分、大幅加 token”的迭代，性价比变化要按具体负载算，只看指数涨 3 分会高估它。

2. AI 算力与产业¶

本期未检索到值得单列的 AI 算力与产业新消息。

3. 中文 AI 生态¶

中文社区把 Genie 4 读成“世界模型的下一个主战场”¶

发生了什么：Genie 4 发布后，中文 X 上出现密集解读，多聚焦三点：原生音频（环境音、BGM、角色对话一起生成）、自然语言实时改场景（换天气、移镜头、加人）、以及“从生成视频转向可交互仿真”的定位判断。传播量最高的一条来自 @op7418，称“世界模型领域最高的山”，提到实时生成环境原声、画质与物理效果提升、终于能在生成过程中用提示词生成事件，并遗憾 Ultra 会员暂时体验不到。
为什么值得关注：中文讨论的重心与英文侧不同——很少纠结参数，更多在给世界模型排座次、判断它是不是下一个主战场；也有人已经在追问评估方法，一条帖子提出长时运行与多轮编辑会出现细节漂移，评估应看因果与物体一致性，而不是单帧像不像。
原帖与互动：样本帖 @op7418，赞 70、浏览 15,133；@berryxia，赞 4、浏览 849；@xiax0603，赞 5、浏览 813。整体量级远低于英文主帖，属高密度、低单项爆款的形态。
核验：与 DeepMind 官方博客对照，“Gemini 3.8 Flash 担任引导 agent”的说法准确；“模拟时长最高可达 2 分钟、为 Genie 3 两倍”一类说法未见于官方博客，官方只说“短时段”内连贯，此类数字应视为二次转述；另有帖子引用的点赞与收藏数也与采集值不符，属发布时点差异。
判断：中文侧目前以翻译加评论为主，尚无独立的一手评测。它的价值是快速形成了共识框架（世界模型 = 可交互 + 带声音 + 可实时改写），风险是对官方未公布指标（分辨率、帧率、时长）的习惯性补齐。