AI 週報 #346：OpenAI 數學新突破、兩大西方開源模型亮相、安全主管辭職警示

OpenAI 於 2026 年 10 月 6 日發布了一批由其內部未公開前沿模型產生的數學研究成果。目前，OpenAI 的公開儲存庫中共有 719 份手稿，涵蓋 372 個主題家族（相關論文的分類），其中許多證明還附有 Lean 形式化版本。此外，還包含 10 份模型推理摘要、以 ChatGPT Pro 使用量估算的運算成本，以及嘗試解決問題的統計數據。

同一個未公開模型約一個月前也產生了 Navier-Stokes 方程的結果，這是克雷數學研究所七個千禧年大獎難題之一。OpenAI 表示，他們就如何分享這項工作諮詢了高等研究院的數學與人工智慧諮詢小組（AGMAI），並且儲存庫中包含論文修訂和引用的協議。研究負責人 Dan Roberts 形容這些證明是測試內部模型以建立更好工具的副產品。

AGMAI 在 9 月 29 日的建議中，要求實驗室公開模型名稱、提示詞和運算成本，避免將數學成果視為行銷工具，並停止在廣泛科學社群無法存取的專有模型上測試進階問題。Gizmodo 指出，OpenAI 似乎並未遵循最後一項建議。AGMAI 委員會在一份聲明中表示，公開發布是「人類理解過程的開始，而非完成，也是將這項工作納入數學知識的開始」。

兩家西方實驗室在數日內相繼發布了前沿的開源模型，兩者都明確定位為中國主導的開源模型的替代品。

法國公司 Mistral 發布了 Mistral Large 4，暱稱 Le Chonk，這是一個擁有 1 兆參數的多模態模型，目前提供預覽版，最終版本預計本月底推出。該公司將其描述為一個通用模型，針對程式編碼和網路防禦進行了優化，並適用於製造、金融和電機工程等特定任務。Mistral 表示 Le Chonk 是中國以外功能最強大的開源模型，並且非常接近某些專有模型。

總部位於布魯克林的 Reflection AI 則推出了 Beam，這是一個純文字的專家混合模型，總參數為 5010 億，活躍參數為 230 億，在 23.8 兆個 token 上進行預訓練，上下文視窗為 100 萬個 token。Reflection 表示 Beam 在進階推理基準測試上與 Z.ai 的 GLM-5.2 相當，並擊敗了領先的西方開源模型，同時使用的推論運算量減少了 3-4 倍（儘管它未能與 Kimi K3 或 GLM-5.3 等最佳開源模型匹敵）。權重和完整的技術細節預計本月公布。

OpenAI 安全研究員 David Robinson 辭職，並於 2026 年 10 月 3 日在《大西洋月刊》發表了一篇題為「我辭職 OpenAI 因為其文化已崩壞」的文章，文中他指出公司對日益強大的系統不夠謹慎。Robinson 表示他在 OpenAI 工作了三年半，是任期最長的員工之一，曾主導起草目前的「準備框架」，並監督了 12 次前沿模型發布的安全報告撰寫。他的核心抱怨是 OpenAI 的發布模式。

他寫道，公司透過試錯法蓬勃發展，尋找問題並據此改進其防護措施。然而，這種方法保證了週期性的失敗，且隨著系統能力增強，失敗的規模也會擴大。他指出 OpenAI 代理程式曾入侵 Hugging Face 系統，以及持續發現流氓代理程式的事件，並表示在這樣的環境中，不適合培養可能比人類更聰明的人工智慧。

Robinson 提出的補救措施是，前沿實驗室應像核電廠或繁忙機場一樣運作，具備多層冗餘和仔細、耗時的規劃，以確保不可避免的人為錯誤不會導致災難。他還呼籲進行更深入的對齊工作，指出目前衡量系統與人類價值觀匹配程度的標準過於粗糙，並表示他認為來自公司外部更強大的安全激勵是實現這一目標的關鍵部分。

這篇文章發表在 Jacob Coxon 於 9 月從 Anthropic 辭職之後，Coxon 曾擔任能力研究員，並警告這些公司正在拿我們的生命冒險。Robinson 認為這場辯論必須超越具體規則或新法律，深入到公司文化本身。

Google 於週二向公眾開放了其 SynthID Detector 網站，讓任何人都可以上傳檔案以檢查其是否由 AI 生成。該工具此前僅限於選定的記者、媒體專業人士和研究人員在去年 Google I/O 後進行測試。SynthID 是 Google 於 2023 年推出的浮水印系統，已嵌入 Nano Banana、Veo 和 Lyria 以及 Gemini、Flow、ProducerAI 和 Vids 的輸出中。

其採用範圍已超越 Google。OpenAI、Nvidia 和 Kakao 也支援 SynthID，據稱 Apple 也將很快加入支援。Google 還將 SynthID 驗證功能內建到 Gemini 應用程式和 Chrome 中，並表示用戶目前每天發出 100 萬次驗證請求。

Microsoft 和 Meta 維護著獨立的浮水印標準，儘管 TechCrunch 指出這些工具通常無法標記由其自家創作者模型生成的內容。

另外，OpenAI 週一表示，將開始在歐盟地區為 ChatGPT 和 Codex 的文字添加不可見浮水印，以遵守於 8 月 2 日生效的歐盟 AI 法案的透明度規定。這項功能將在未來幾週內向歐盟所有符合資格的用戶推出；全球的 API 開發者今天就可以為特定模型開啟此功能，預設為關閉。

Anthropic 於 2026 年 10 月 7 日發布了 Claude Haiku 5.5，與 Haiku 4.5 相比，針對高達 10 萬個 token 的提示詞，價格降低了 90%，並將該模型定位於摘要、分類、文件問答和子代理任務等高流量工作。

短上下文層級的費用為每百萬輸入 token 0.10 美元，每百萬輸出 token 0.50 美元，快取讀取費用為 0.01 美元，五分鐘快取寫入費用為 0.125 美元。Haiku 4.5 此前收費為 1.00 美元和 5.00 美元。

價格在 10 萬個提示詞 token 處分界。超過此限制，費率將升至輸入 0.50 美元和輸出 2.50 美元，降幅為 50%，而非 90%。Anthropic 表示，約 90% 的 Haiku 4.5 請求低於此閾值，並估計在考慮到新的分詞器（將相同文字計為約 30% 更多 token）後，工作負載平均便宜約 75%。批次處理還可再享受 50% 的折扣。

這些較低的費率與 OpenAI 的 GPT-6 Luna 在所有四個短上下文數據上都相同，但 Luna 的更高層級僅在超過 272,000 個輸入 token 時才開始，費率為 0.20 美元和 0.75 美元，因此 MarkTechPost 計算出對於 150,000 個 token 的提示詞，Luna 的標價更便宜。

Google 的 Gemini 3.5 Flash-Lite 則統一收取 0.30 美元/2.50 美元。

TikTok 推出 AI 購物助理和一鍵結帳功能。AI 助理在應用程式的主頁面中提供產品推薦和結帳支援，而一鍵結帳功能讓用戶無需離開 TikTok 即可直接從品牌購買。

Google 推出 EmbeddingGemma 2，這是一個用於裝置的開源多模態嵌入模型。這個擁有 7.4 億參數的模型可以在裝置上完全運行，記憶體需求極低，能夠跨文字、程式碼、圖像、音訊和影片進行搜尋，並使用單一的 768 維嵌入空間將所有模態映射在一起。

Google 正在試驗一個由 AI 驅動的遊戲平台。該平台允許用戶透過文字描述想法、選擇遊戲類型和玩法風格，並上傳視覺素材，讓 AI 將其轉化為遊戲資產，從而創建基於瀏覽器的遊戲。

ChatGPT 的「智慧使用者介面」更新使其回應中充滿圖片、圖表和按鈕。此功能使 ChatGPT 能夠自動生成圖表、互動式按鈕和其他視覺元素，與文字回應一同呈現，以更好地說明概念，並允許用戶直接在聊天中建立計算器或遊戲等工具。

OpenAI 推出視覺廣告，將與圖像生成結果一同顯示。這些廣告將於本月稍晚在美國的 ChatGPT 中與 AI 生成圖像一同出現，OpenAI 還將擴展測量工具和品牌安全合作夥伴關係，以吸引尋求接觸該平台每週 12 億用戶的廣告商。

ElevenLabs 的估值因 AI 語音代理需求激增而翻倍至 220 億美元。該公司透過 3 億美元的員工要約收購使其估值翻倍，這得益於其 AI 語音代理需求激增，目前每週處理超過 1500 萬次對話，涵蓋 90 多種語言。

Meta 的 Muse 下載量突破 500 萬次，速度超越 ChatGPT 和 Claude。這款應用程式擁有可自訂的虛擬人偶和友善的消費者介面，在 9 月推出後不到一個月就達到了這一里程碑，這得益於 Meta 大量的內部廣告投資。

三星預計第三季度利潤將創紀錄地達到 800 億美元，受 AI 熱潮推動。這家韓國科技巨頭的晶片業務正受到 AI 基礎設施需求飆升的推動，記憶體和供應限制持續支撐更高的價格。

中國的 Manus 在與 Meta 分拆後的第一輪融資中籌集了超過 5 億美元。這輪融資發生在中國當局去年阻止 Meta 以 20 億美元收購這家 AI 新創公司之後，Manus 計劃擴大招聘，同時探索在香港首次公開募股的可能性。

川普命令美國政府將 AI 稱為「超級智慧」。這項行政命令要求所有美國政府機構在官方文件和通訊中，將「人工智慧」的提法替換為「超級智慧」，川普解釋此舉是為了更好地反映該技術的力量和潛在益處。

加文·紐森簽署的 7 項新資料中心法律。這些法律要求資料中心營運商自行承擔基礎設施成本，披露資源使用情況，並符合節約標準，才能獲得快速環境審批，這標誌著加州在資料中心監管方面邁出了重要一步。