GPT-6 Astra 攻克类哥德巴赫猜想：Lean 形式化验证已全部通过
研究者 Captain Sude 公布了由 GPT-6 Astra 协助证明的类哥德巴赫猜想。该定理证明了任何大于 2 的偶数都可拆为两个刘维尔函数值为 -1 的正整数之和，整个证明过程已在 Lean 4 中通过无未完成证明的形式化审核。
VibeCoding
查看更新的新闻
Google 开源 AX：像用 K8s 一样调度数百万个 AI Agent
Google 开源智能体编排运行时 AX。它全面贴合 Kubernetes 体验，通过声明式配置在集群内调度数百万个沙箱隔离的 Agent，支持断点暂停恢复与直接 ssh 现场排错，专门解决智能体失控死循环和状态隔离难题。目前仍处在早期开发阶段。
阶跃星辰发布 Step 5 Preview：600B 混合专家架构，主打智能体
这一周，阶跃星辰推出旗舰多模态智能体模型 Step 5 Preview。模型采用 6000 亿总参数 MoE 架构，实际仅激活 270 亿参数，并支持 100 万 token 上下文。其在 DeepSWE 等智能体编程与知识工作测试中表现优异，开发者已可通过开放平台接入。
谷歌神秘模型现身竞技场：疑为 Gemini 4 Pro，基准测试与 SVG 动画刷屏
代号「gemini-3.8-flash」的神秘模型在竞技场 Arena 开测，被推测为谷歌未发布的 Gemini 4 Pro。该模型仅用 10 分钟便生成机械蝴蝶 SVG 动画，并在智能体编码、终端操作等多项流出基准测试中拿下第一。
Claude Code 支持 AGENTS.md：告别双份配置文件
周五，Anthropic 在 Claude Code 2.1.277 中新增支持 OpenAI 发起的 AGENTS.md 规范。若项目目录内没有 CLAUDE.md，工具会自动读取 AGENTS.md，用户也可通过 /config 切换。这意味着混合使用多款编码智能体的开发者不必再维护两套配置文件。
JEPA-Anything：跨领域通用预测框架，用正交分解拆解状态推演
开源框架 JEPA-Anything 试图用统一逻辑搞定不同学科的预测推演。它基于 JEPA 架构提出「正交预测分解」，将复杂状态拆解为独立要素分头推算再拼合，各领域仅需适配专属接口即可复用核心预测机制。目前仓库提供代码脚手架与合成示例，未包含预训练权重。
Claude Code 重构 Projects：像「幕僚长」一样协调多线程并行开发
Anthropic 在 Claude Code 中推出新版 Projects 测试版。用户设定一个目标，Claude 就会像幕僚长一样把任务拆解并分派到多个平行的云端线程中，各线程在独立分支上跑测试、提 PR，最后由主协调器汇总，各线程间还共享记忆。目前向部分 Pro 和 Max 云端用户开放。
Grok Build 上线持久记忆：后台自动记笔记，跨会话不忘项目规范
xAI 为智能体编程工具 Grok Build 推出持久记忆能力。每次对话结束后，系统会在后台自动将代码规范、架构决策与事实存为 Markdown 文件，无需中断工作流。最值得关注的是，后续会话动工前会自动读取对应笔记，让 AI 越用越懂项目；用户可通过 /dream 归纳主题，或用 /memory 查阅。
TypeSafe 发布决策模型 Jev：不生成文本，比普通大模型快数十倍且输出免费
TypeSafe AI 推出结构化决策模型 Jev 并开启早期访问。它彻底放弃连续文本生成，改为并行输出预定义类型的概率决策，响应时间仅 70 至 500 毫秒，且输出免费、杜绝类型错误。它适合替代大模型嵌入软件充当智能判断分支，但不能用来撰写长内容。
CopilotKit 开源 OpenMuse：自带浏览器和终端的个人智能体
CopilotKit 开源个人智能体应用 OpenMuse，提供可自托管的 AI 助理。它自带 Chromium 浏览器、Linux 容器终端和文件系统，能持续推进多步骤任务，并支持随时人工接管。不想把邮件与日程交给科技大厂的用户，可以直接自己部署使用。
Cline 推出桌面端应用：主打开源权重模型，支持定时任务与 MCP 生态
Cline 推出支持 macOS 和 Windows 的桌面端应用 Cline Desktop。用户可通过 ClinePass 免费调用 DeepSeek-V4 等开源模型，也可自带 API Key。应用还内置了 MCP 服务器市场、定时任务及语音输入等功能，进一步降低了智能体的使用门槛。
OpenAI 推出 Agents API 公测：把 Codex 同款架构做成接口，单次调用即可建 Agent
OpenAI 宣布 Agents API 开启公测，将支撑 Codex 和 ChatGPT for Work 的底层 harness 架构直接开放给开发者。支持长会话上下文自动压缩、并行子智能体协同与按需搜索工具，除 Token 和工具费用外无额外收费。
DeepSeek 上线 V4.1-Flash：552B 非对称 MoE，KV 缓存仅需 1/4 HBM
DeepSeek 上线 DeepSeek-V4.1-Flash。该模型拥有 552B 参数，采用因果编解码器架构，输入仅激活 8B 参数。其原生支持多模态，KV 缓存仅需上一代 1/4 的 HBM 与 1/8 的 SSD 存储，性能超越旗舰 V4-Pro。目前已在 API 正式上线。
Google 开源 ARTEMIS：让 AI 编程助手直接接管安卓真机
Google 开源 Android 自动化框架 ARTEMIS，能把自然语言指令转化为真机或模拟器操作。它通过 MCP 接入 Claude Code、Cursor 与 Codex，可自动重现 Bug 并抓取日志，在 AndroidWorld 评测中任务完成率超 99%。
OpenAI 研发提速：AI 智能体工作量达人类 3.1 倍，已造出「研究实习生」
OpenAI 披露内部研发数据，编程智能体产出已达每人类工作日对应 3.1 个智能体工作日，中位数研究员日均消耗超 600 美元推理算力。官方表示已达成「自动化研究实习生」目标，并计划到 2028 年 3 月打造全自动化 AI 研究员。不过安全挑战显著，此前曾因安全隐患暂停强化学习训练。
Anthropic 开源费马大定理形式化证明：Claude 写出近 3 万个定理
Anthropic 在 GitHub 开源了费马大定理的完整 Lean 4 形式化证明。该证明由 AI 智能体生成，包含 29,511 个定理和超 1300 万行代码，并通过了两个独立内核的严格验证。这意味着 AI 首次独立攻克了现代数学中最复杂的宏大证明形式化工程。
Google 发布 Gemini 3.8 Flash 与 Cyber 版：加量不加价，主打智能体与网安
Google 推出 Gemini 3.8 Flash 与安全专属版 3.8 Flash Cyber。两款模型维持输入每百万 token 0.75 美元低价，大幅增强多步推理与长程编程能力；Cyber 版更在漏洞挖掘与自动修复上表现亮眼，通过 Fairwind 计划面向防御者开放。
Meta 发布 Muse Spark 1.3：写代码少耗 25% Token，提示词模糊会主动反问
Meta 发布 AI 模型 Muse Spark 1.3，已上线 Muse Code 与 Meta Model API。新模型强化了长流程智能体和编程表现，提示词不明确时会主动反问，在编程中减少约 20% 工具调用和 25% Token 消耗，并提升了防提示注入能力。后续还将推出开源权重与更大模型。
阿里上线 Qwen3.8-Max-0902：代码与智能体协同能力大涨
阿里升级旗舰模型 Qwen3.8-Max 并推出 0902 快照版本。新版本保持 100 万 token 上下文和思考模式，重点通过后训练提升了工程级自主编程和多智能体协同调度表现，输入与输出每百万 token 分别定价 2 美元和 6 美元。
OpenAI Astra 模型被曝采用循环深度技术：代码更强但难以监控
OpenAI 即将推出的 Astra 模型被曝采用「循环深度」技术，通过让文本多次经过相同网络层来提升编程与数学表现。但这会模糊模型的思维链推理，导致内部行为难以被监控，连首席科学家也警惕模型黑箱化风险。