今天是周三。本期的头条不是新模型，而是数学与 AI 碰撞出的第一场「国际事件」：9/8（美东）OpenAI 官网刊发《On the Navier–Stokes Millennium Prize Problem》，称其内部系统给出了 Navier-Stokes 千禧年问题的一个解——流体运动可在有限时间内发展出奇点，并附 Lean 形式化证明；几乎同时，NYU 数学家 Tristan Buckmaster 发布公开声明，讲述 OpenAI 如何在他与 Anthropic 的 Levent Alpöge 完成关键工作后「闻风而动」、并以作者身份为条件谈判。一天之内，HN 上出现两个千分帖（1058 分/897 评论 + 1165 分/512 评论），Altman 与 Bubeck 下场回应，Bubeck 就「毁掉职业生涯」的措辞公开道歉，陶哲轩则把这件事定性为开放科学的转折点警告。这与上期 #017 的叙事完全接续：Pachocki 刚呼吁「自愿减速」，OpenAI 就以最激烈的方式展示了「加速体制」的阴暗面——实验室之间用 agent 竞赛解题，「谁先解出」的激励开始侵蚀数学界「分享研究思路」的规范。
国产侧的主条同样延续 #017 的暗线（模型分工）：量子位独家报道，华为诺亚方舟实验室前主任、盘古大模型负责人王云鹤创办的基元律动发布 Agent-Native 模型 NeoHorse——4B 模型经 Agentic Post-Training 后综合表现达/略超 9B 基础模型，「多模型路由执行经验第一次进入模型参数」，与上期 Mostik「大模型冻结、外挂表征桥」恰好构成两种相反的分工哲学。产业侧：Mistral 官宣 30 亿欧元融资（欧洲主权 AI 路线的最大单笔），Cognition 官宣 20 亿美元 E 轮（480 亿估值），DeepMind 则发布了把 AlphaGenome 预计算铺满全基因组的「Atlas」——AI4Science 正在从「解难题」转向「造基础设施」。下面四条主条 + 七条简讯。除标注「转述/引述/不可达」的内容外，均经官方页面或正文直接核验；openai.com、x.com、mistral.ai、ai.meta.com 本机不可达（403 / SSL 失败 / JS 壳），相关引文已如实标注核验路径。
1. OpenAI 官宣 Navier–Stokes 千禧年问题之解（有限时间奇点 + Lean 形式化），Buckmaster 公开声明指控「闻风抢先、剔除作者」，Bubeck 就威胁性措辞道歉——数学界的「scooping」事件
事实。 按时间线与可核验程度分层陈述：
① OpenAI 的主张（openai.com/index/navier-stokes-solution，本机仍为 Cloudflare 验证页、不可直读，与既往记录一致；HN 提交于 9/9 01:13 北京时间，现 1058 分、897 评论，HN 条目 49613262）。官方开场文案经评论者直接引语转述：「我们正在分享 Navier-Stokes 存在性与光滑性问题——千禧年问题之一——的一个解。该证明由 OpenAI 内部系统完成，表明流体运动的 Navier-Stokes 方程动力学可在有限时间内发展出奇点（singularity）。我们同时分享证明的文字稿与 Lean 形式化。」（评论者引用原文，含「internal OpenAI system」「formalization in Lean」字样。）官方立场声明（评论者直接引语）：「我们（研究者与 agent）在他们公开发布前，未通过任何途径看到他们的工作——特别是，没有为解此题访问任何特定用户数据。虽然可能性不大，但我们无法排除：源于用户使用我们产品所得到的去标识数据帮助改进了我们的模型。不过，我们的证明显著不同，甚至在 Euler 情形下证明的具体结论也不同（forced vs unforced）。」
② Buckmaster 的公开声明（cims.nyu.edu/~tristanb/statement.pdf，本机未做 PDF 解析，要点经 HN 讨论多条直接引语交叉核验；HN 提交于 9/8 13:42 北京时间，1165 分、512 评论，HN 条目 49605915）。据 HN 评论者对声明全文的梳理（评论者转述口径）：8 月 15 日，NYU 数学家 Tristan Buckmaster 与 Levent Alpöge（供职 Anthropic，此项研究独立于其职务，工具上混用 GPT 与 Claude 模型）在几个重要问题上取得突破——带光滑强迫的不可压缩多孔介质、Boussinesq 与 3D 不可压缩 Euler 的有限时间爆破；他们并不声称解决了百万美元千禧年问题本身，但声称证明了一个相近（非千禧年）的 Navier-Stokes 问题、可望铺路。9 月初，OpenAI 方面听到「Anthropic 解决了重大问题」的传闻，Buckmaster 主动电邮 OpenAI 澄清。随后 OpenAI 发布了千禧年问题版本的结果。争议焦点：① OpenAI 称其模型未直接访问用户数据，但未正面回答 Buckmaster 与模型的对话是否进入了训练；② OpenAI 表示愿意「部分致谢」Buckmaster（尽管他并未解决千禧年问题），条件是从作者名单中移除 Alpöge——因其供职 Anthropic（OpenAI 方理由：「Anthropic 的模型用于他们的 Euler 爆破证明，因此我无法认为 Levent 是独立的学者」，评论者引述）；③ 声明记录了通话中的两句话——「你为什么要毁掉自己的职业生涯？」与「如果你不想让我客气，我也可以不客气」，以及事后发给 Alpöge 的「我不确定 Tristan 现在是否完全理性」的短信（评论者引述声明原文；Bubeck 已在 X 上承认「职业生涯」一句是「极其糟糕的用词」并公开道歉，称当场就收回了该说法——x.com 本机不可达，经 HN 评论者转引 xcancel 镜像）。
③ 双方阵营的匿名补充与社区争论（HN 讨论内，自称 OpenAI 员工者 4-5 条评论，未证实身份）：辩护方称动机有二——新模型「看起来好得离谱」+ 听到多个千禧年问题被解决的传闻想试试自家模型能否做到；「没有读过任何私聊」；「我们的证明与他们非常不同，也远超已公开文献」；「这个未发布模型在大量未解数学问题上有野兽级表现，不只是 Euler」。质疑方反驳：OpenAI 的模型「训练于他们一整年的私密工作之上（博客文章本身也承认这一点）」（评论者说法）；即便训练污染无法证实，「听到别人用方法 X 取得进展就 rush 去 scoop」本身就接近学术不端（评论者说法）；举证责任归属成为争论焦点（OpenAI 支持者：方法源自 2023 年已发表文献、任何前沿模型都见过；质疑者：OpenAI 应证明自己的 agent 没看过即将发表的工作）。另有评论者给出工程细节：「1 万个 agent 协同跑了 88 小时」得出证明（评论者口径，单源）、证明附 Lean 证书（评论者口径）；亦有评论提醒工程界视角：流体力学实际应用基本不受千禧年问题影响（评论者观点）。
④ 陶哲轩的评论（mathstodon 帖，HN 提交 9/9 05:00 北京时间、73 分，HN 条目 49616968；引文经 HN 评论直接引语核验）：「我们现在看到，即便只是『某人在研究某个问题』的传闻，也会触发大规模 AI 驱动的努力，在原创研究项目来得及发挥全部潜力之前就把它碾平。激励结构可能正指向：不再向更广的学界分享任何有前景的研究方向——这将逆转数百年开放科学传统，对该领域的未来造成严重长期伤害。」
为什么重要。 三点。其一，无论证明本身是否成立，这是「AI4Math 进入零和竞争时代」的第一次实弹演习：费马大定理形式化（#016 前量子位报道的 Claude 证明）、九问 RSI（#017 前后量子位）都还是「合作/工具」叙事，这一次变成了「实验室之间抢首发」。OpenAI 的动机结构（听闻对手接近 → 用 1 万 agent 连夜碾压 → 抢先发布）与 Pachocki 上期呼吁的「自愿减速」直接冲突——同一天里，OpenAI 一边发布主张减速的长文，一边用行动展示加速体制最极端的形态，这比任何评论都更能说明「减速呼吁」缺乏执行机制。其二，作者身份谈判把「模型时代的知识产权」问题摆上台面：OpenAI 以「剔除供职竞对实验室的作者」为致谢条件、Bubeck 的威胁性措辞（无论是否口误）——这些细节在数学界引发的愤怒（HN 评论一边倒站 Buckmaster）说明：当 AI 让「个人研究」可以被大规模复制逼近时，学术信用体系缺少对应的新规则。其三，陶哲轩的警告指向更深的公共品问题：如果「分享思路 = 给对手递刀」，数学社区会退回保密模式——AI 本应加速开放科学，反而可能先杀死开放科学的激励（HN 讨论中多位评论者以高斯、牛顿-莱布尼茨、怀尔斯七年保密等历史案例辩论「数学从来不是纯开放的」）。
待观察。 openai.com 全文与 Lean 形式化本机未直读，核心引文均为 HN 评论直接引语，引用原文前仍需官网核验；「1 万 agent/88 小时」为单条评论口径；Buckmaster 声明全文仅经评论者转述+片段引语，未逐段核验；双方「是否看过对方工作」均无第三方审计（OpenAI 声称去标识数据无法排除）；x.com 上 Altman/Bubeck 原文与 Bubeck 道歉原文均未直读；证明本身（有限时间奇点构造）尚未经过同行评审，数学界普遍反应是「等看 Lean 证书与文字稿细节」；量子位等中文源截至抓取时（9/8 14:05）尚无 NS 报道，本刊为本轮中文首记录之一；「unforced 问题是否仍开放」在 HN 讨论中存在口径分歧（有评论称 unforced 仍开放，与 OpenAI 主张的关系待原文厘清）。
来源：HN 讨论（OpenAI 帖，1058 分，含官方文案与立场声明直接引语） · HN 讨论（Buckmaster 帖，1165 分，含声明片段引语） · Buckmaster 公开声明 PDF（本机未解析，经 HN 转述） · OpenAI《On the Navier–Stokes Millennium Prize Problem》（本机 403，未直读） · 陶哲轩 mathstodon 帖（引文经 HN 核验） · HN 条目 49616968（陶哲轩帖讨论） · x.com @sama / @SebastienBubeck（本机不可达，经 HN 评论转引）
2. 王云鹤创办基元律动、发布首个 Agent-Native 模型 NeoHorse：4B 经 Agentic Post-Training 达/略超 9B 基础模型——「多模型路由经验第一次进入模型参数」，与 #017 Mostik「模型桥」互为镜像
事实。 量子位 9/8 10:14 独家报道（485555，正文直接抓取核验）：华为诺亚方舟实验室前主任、盘古大模型负责人王云鹤创办的基元律动发布首个 Agent-Native 模型 NeoHorse-1（含 4B 与 9B 两个版本），面向 Agent 工作所需的整组能力——调用工具、读取环境反馈、发现错误、调整路径并最终完成任务。算力与 Infra 优化由无问芯穹提供，清华大学、北京大学团队参与算法与训练方法研究。关键结果（企业/团队口径）：在覆盖 Harness Agent、工具使用、代码与指令遵循等 10 项评测中，经 Agentic Post-Training 后，4B 模型综合表现已达到/略超 9B 基础模型。报道还交代了公司的方法论背景：基元律动长期做多模型协作（Routing Harness 层，旗下开源项目 OpenSquilla 已接入多款模型，在 Agent 运行中做细粒度路由、模型切换与多模型协作），其调度系统在运行中沉淀「什么任务需要什么能力」「模型在哪一步容易失败」「什么修复路径有效」等数据——NeoHorse 的意义被概括为把这类执行经验第一次写进模型参数，而非继续只做外部路由。报道亦如实记录了一个反问：一家强调多模型协作的公司为何开始自训模型？团队的回答逻辑是「当模型被放进 Agent 系统承担完整任务后，单一分数解释力下降，不同环节对能力要求不同，需要参数级的适配」。
为什么重要。 把这条与 #017 的 Mostik 并读，模型分工的两条技术路线在本周同时清晰化：Mostik 冻结大模型、训练一个表征层「桥」让隐藏状态直连（分工发生在推理期、模型权重不动）；基元律动则把「路由-执行」经验蒸馏进小模型参数（分工发生在训练期、让小模型自己变强）。两者的共同前提是同一个判断——「模型分工」正在从文本 prompt 级（router 用文字判断）下沉到表征/参数级，而 NeoHorse 的特殊价值在于：它可能是「路由数据反哺模型」这一闭环第一次以国产创业公司产品形态出现（4B 打赢 9B base 的口径若复现，意味着小模型的 Agent 能力天花板主要由后训练数据质量而非参数量决定）。这同时呼应 #017 办公 Agent 报告里「新模型 3 天渗透率近 50%」的渠道判断——Agent 工作负载正在成为模型能力的真正考场。王云鹤的履历（盘古大模型负责人）也给这条新闻加了产业注脚：大厂模型负责人创业后没有直接押注「更大基座」，而是押注「Agent 原生的中小模型 + 路由经验」，这是对「参数军备竞赛」的一种分流判断。
待观察。 全部结果为量子位转述的团队口径：10 项评测的具体榜单、基线与「达/略超」的量化差距未公布；4B 版本对比的是「9B 基础模型」而非「9B 也做 Agentic Post-Training」——同规模训练公平性未说明；NeoHorse 权重是否开源、何时可用未披露（OpenSquilla 开源，模型本身未见开源声明）；「清华北大参与」的具体分工边界未展开。模型发布页与基元律动官网本刊未另行核验。
3. Mistral 官宣 30 亿欧元融资，欧洲「主权开源」路线拿到迄今最大单笔（HN 804 分）；同窗并读：Cognition（Devin）官宣 E 轮超 20 亿美元、480 亿估值——AI 资本继续「主权/垂直/通用」三分
事实。 两条融资，核验程度不同：
① Mistral（HN 条目 49605767，提交于 9/8 13:06 北京时间，804 分、563 评论；官方新闻页 mistral.ai/news/mistral-makes-sovereign-open-weight-ai-to-frontier 本机 SSL 连接失败（curl exit 35）不可达）：HN 标题为「Mistral raises €3B」，即30 亿欧元融资；官方新闻标题含「sovereign open-weight AI to frontier」（使主权开源权重 AI 走向前沿）。金额与标题经 HN 核验，官方正文细节（投资方、估值、用途）本机不可达、未获第二信源，如实标注。HN 讨论（563 条）的主线不是金额而是战略评价：支持方称 Mistral 是「主权 AI」正解（欧洲机构客户、本地生态、避开与中国/美国的基准军备竞赛，与 Apple「不抢首发」策略同构）；质疑方称其模型能力已掉队（有评论直言「任何 Mistral 模型都打不过一年前的 30B 级开源 Qwen」——评论者观点），「主权」不能替代「能力」；地缘背景（欧洲对美技术依赖的焦虑）被多位评论者视为这轮融资的深层驱动力。
② Cognition（Devin）（cognition.com/blog/series-e，官方博客直接抓取核验；HN 提交 9/9 01:16 北京时间、19 分，HN 条目 49613312）：Cognition 官宣完成 E 轮超 20 亿美元、估值 480 亿美元，由新投资者 Andreessen Horowitz 与 Accel 领投，Founders Fund、General Catalyst、Avenir 等现有投资者及 Benchmark、Bessemer、Kleiner Perkins、Greylock、Lightspeed、DST 等跟投。官方披露的经营数字：自 5 月上一轮以来，run-rate 营收从 4.92 亿美元增至近 9 亿美元；客户用例覆盖 NVIDIA（芯片设计）、GE Aerospace（航空）、花旗（金融服务）等；产品面扩展 Devin Auto-Triage（事件调查）、Devin Security Swarm（漏洞排查）、Devin Automations（由 Slack/GitHub/Linear 事件触发、无需逐任务开对话）；Cognition 自称定位「独立的 agent 实验室」（不被单一模型绑定、可选自有模型）。
为什么重要。 两条并读，AI 资本的分层在 24 小时内被画得清清楚楚：Mistral 融的是「主权」（欧洲机构与政府对非美/非中模型控制权的溢价，赌的是地缘而非榜单）；Cognition 融的是「垂直」（软件工程 agent 的 run-rate 从 4.92 亿到 9 亿美元、半年近翻倍，赌的是 agent 取代「写代码的岗位」而非「模型」）；而 Devin 的客户名单（NVIDIA/GE/花旗）与「Automations 让工作由事件触发、无需人开对话」的描述，正好接上 #017 办公 Agent 报告里「12.2% 无人值守调用」的曲线——agent 从对话框变成后台进程的叙事，正在被融资公告逐条坐实。Mistral 的 €3B 则提醒：当中国开源模型（上期 #017 的 Qwen/GLM 系）在能力上逼近前沿时，「开源权重」本身成了地缘资产，欧洲愿意为此付钱——这与 #016 以来反复出现的「模型分发渠道战」是同一枚硬币的两面。
待观察。 Mistral 官方细节不可达：投资方构成、估值、是否含债务/承诺额度、「30 亿欧元」的币种与结构均待官方原文；「主权 vs 能力」之争没有数据裁决（Mistral 新模型路线未公布）；Cognition 的 run-rate 与 480 亿估值的隐含倍数、以及「近 9 亿 run-rate」中产品收入与服务的拆分未披露；E 轮后 Cognition 是否继续采购外部前沿模型（其「独立 agent 实验室」表述与自训模型的投入比例）未说明。
来源：HN 讨论（Mistral，804 分） · Mistral 官方新闻页（本机 SSL 不可达，未直读） · Cognition 官方博客（直接核验） · HN 讨论（Devin，19 分）
4. DeepMind 发布 AlphaGenome Atlas：对基因组 90 亿个单字母变异的分子效应做预计算预测的开放「图谱」——AI4Science 从「解难题」转向「造基础设施」
事实。 Google DeepMind 官方博客 9/8 发布（deepmind.google 官方页，本机直接抓取核验；HN 提交 9/8 22:14 北京时间、76 分与 22:55、475 分两个条目，后者链接的 blog.google 镜像地址本机 404，以 deepmind.google 原址为准）：AlphaGenome Atlas——把此前已发布的 AlphaGenome 模型（预测基因变异如何影响生物过程的 AI 模型）以全基因组尺度做预计算，产出对基因组中每一个可能的单字母 DNA 变异（约 90 亿个）的分子效应预测图谱，作为开放资源供研究者使用。官方博客的关键表述：「正如地图集是地图的集合，AlphaGenome Atlas 描绘了 DNA 变异在基因组上的分子效应」；「我们的受信外部合作者已用 AlphaGenome Atlas 在未确诊罕见病研究中识别并实验验证了关键变异，并找到了与常见性状相关的罕见变异」。本刊未在页面发现配套论文链接（页面提供的是社区入口）。
为什么重要。 这延续了 #016/#017 的「AI4Science 三条路线」判断中的一条：与「解难题」（费马大定理形式化、NS 千禧年）和「自动研究员」（九问 RSI、OpenAI research acceleration）并列，DeepMind 走的是第三条路——把模型能力铺成公共基础设施。「90 亿变异全覆盖 + 预计算 + 开放访问」的模式，等于把 AlphaGenome 从「按需分析工具」变成「查表即得的基因组字典」：对罕见病诊断这类长尾场景，预计算图谱让没有模型部署能力的临床实验室也能直接受益。它与同日 NS 风波的对照也值得记录：同样是 9/8 的 AI 科学新闻，一个选择把结果开放成基础设施（DeepMind），一个选择抢先发布引发信任危机（OpenAI）——「AI for science」的公共形象正在被这两种行为模式同时塑造。
待观察。 「实验验证」的具体变异数量与发表渠道未在页面给出；预计算基于的 AlphaGenome 模型版本与评测指标（变异效应预测的准确率基线）未在页面展开；「每一个可能的单字母变异」覆盖的是参考基因组单碱基替换（SNV），插入/缺失与结构变异不在其列（本刊推断，页面未明说）；与 AlphaMissense（前代同类工作）的关系与增量未说明。
来源：Google DeepMind 官方博客（直接核验） · HN 讨论（475 分条目） · HN 讨论（76 分条目）
简讯
① GPT-6 Astra 的 3D 玩法火到烧穿额度，OpenAI 对全部付费订阅「全局重置」（量子位 9/8 14:05，485854，正文直接核验）：量子位称全网用户拿 Astra 玩 3D 是「上线后最火的玩法」，类型包括按图纸/照片/工程图在 Blender 中重建物体、把真实城市变 3D 世界等；Astra 并非模拟鼠标操作，而是自己写 Python 脚本建几何、再按渲染结果迭代修改（示例：网友按老式蒸汽火车图纸让 Astra 重建出 3295 个独立对象、零件可继续编辑的模型）；用量过大后 OpenAI 面向所有付费订阅做额度全局重置（预计北京时间 9/8 上午 10 点左右到账，量子位口径）。——这是「Astra 把生成从 2D 推到 3D 工作流」的第一个量化级现象证据，也与 #017 的 Sol「速度 6 倍」爆料互为背景。
② ChatGPT Images 2.5：官方称每周生成超 30 亿张图（openai.com 本机 403；HN 提交 9/9 02:37 北京时间、263 分，HN 条目 49614720；官方文案经评论者直接引语转述：「每周，人们在 ChatGPT Images 与 API 的 GPT-Image 模型上生成超过 30 亿张图像」）。注意：量子位 9/4 已报道过 GPT Image 2.5（改进 GPT Image 2 的噪点问题等），本条目并非「首发」新闻，而是该版本官方页本周在 HN 发酵 + 官方用量口径首次进入本刊记录；HN 讨论主线是「30 亿/周」的规模震撼与图像生成真实用途（修照片/装修预览为主）之争。
③ Kimi K3（2.8T MoE、1.45TB 专家权重）在 MacBook Pro 上从 SSD 流式跑到约 1 token/s（GitHub 仓库 argonautlabsai/deltafin，本机直接核验 README；HN 提交 9/9 04:07、195 分，HN 条目 49616257）：第三方开发者（fork 自 gavamedia/deltafin，MIT 许可）实测在 M5 Max MacBook Pro（128GB）上、专家权重从 4 块 SSD 流式加载跑 Kimi K3：稳定解码约 1.00 token/s（512-token 回答；128-token 时 1.13；公开 17-token prompt 上 0.96）；诚实记录瓶颈——512-token prompt 的首 token 需约 376 秒（prefill 每层专家被重读 8 次，修复方案已提出未实现）；多盘扩展曲线：单盘≈四盘速度的 52%、双盘≈73%、三盘≈90%。——注：Kimi K3 权重通过何种渠道获取（官方开源或其他）本刊未核验；HN 讨论主线是「1 token/s 的本地模型仍有价值」（相当于免费获得一位通宵干活的人）与「ASIC/专用推理硬件才是终局」。这为「2.8T 级 MoE 落进消费级设备」提供了第一个可复现的工程基准。
④ Inception（Mercury）发布 2.5 版扩散 LLM：官方称 1107 token/s、智能较二代 +40%（inceptionlabs.ai 官方博客，本机直接核验；HN 提交 9/9 04:14、114 分，HN 条目 49616354）：Mercury 2.5 自称「市面上最强扩散 LLM」，运行速度 1107 token/s、相对 Mercury 2 智能提升 40%、「可比肩成本优化的前沿模型」。——与简讯③并读，推理效率的两种极端（扩散 LLM 的千 token/s 生成 vs 2.8T MoE 的端侧流式）同一天出现，效率叙事正在从「单点优化」变成「架构级分叉」。
⑤ 深度智控（DeepCtrls）完成 B+ 轮数亿元融资，宁德时代领投（量子位 9/8 11:22，485784，正文直接核验）：物理 AI 企业深度智控本轮由宁德时代领投，阿美投资（Aramco Ventures）、太平创新投资、广发信德、复星创富跟投，源码资本、光远资本等老股东追加；过去两个月内公司已连续完成三轮融资（企业口径）。业务面：以 PhyAI 物理 AI 引擎做能源系统的感知-预测-自主决策-实时寻优闭环控制，并从工业场景延伸至算力基础设施（液冷智控、算电协同）。——「宁德时代 + 沙特阿美」的产业资本组合是这条融资最值得读的信号：物理 AI 的买单方正在从财务投资人变成「能源-算力」双侧的基础设施巨头。
⑥ Meta 发布个人 AI agent「Muse」（HN 提交 9/9 03:25、214 分，HN 条目 49615537；官方页 ai.meta.com/muse 本机返回 JS 壳/Error、不可达，仅标题级核验）：Meta 推出面向个人的 AI agent「Muse」。本刊未核验其能力细节与发布形态，仅记录该条目的存在与热度；若与 #017 千问办公「多人工作台」并读，可视为「个人 agent 成为大厂标配」的又一数据点——此判断待官方页可访问后补证。
今日判断
一句话：AI 与数学的第一次「抢首发风波」把 #017 的「减速呼吁」照出了原形——实验室之间的 agent 竞赛已经开始重写学术竞争的规则，而陶哲轩警告的「激励转向保密」可能比任何模型能力都更深刻地改变科学的未来。 三条信号值得带走：
其一，「谁先解出」正在取代「能否解出」成为 AI4Math 的头号变量。OpenAI 用内部系统+Lean 形式化给出了 NS 千禧年问题的解（无论最终能否通过检验，这已是「周末级」的解题速度），但整个事件发酵的重心不在证明本身，而在「抢先」：传闻→万人 agent 连夜碾压→抢先发布→作者身份谈判。当解题能力被 agent 工业化，数学社区真正的稀缺资源变成了「研究方向的保密性」——这是对开放科学激励结构的釜底抽薪，其长期影响可能大于任何一个单点结果。对读者而言，往后看任何「AI 解决重大数学问题」的新闻，第一问都应该是：谁先知道的？谁在跑？
其二，模型分工的两条路线在一周内同时拿到商业化注脚：Mostik（表征桥）与基元律动 NeoHorse（路由经验进参数）说明「分工发生在哪一层」已成为可争论、可融资的技术问题；而 Devin 的 Automations（事件触发、无人值守）与 ChatGPT Images 的 30 亿图/周则在需求侧确认：agent 与生成式应用的真实使用形态正在远离「人坐在对话框前」。效率侧（Mercury 1107 token/s、Kimi K3 端侧 1 token/s）同日出现的两个极端，说明「推理效率」的下一轮竞争是架构级的，不是量化级的。
其三，资本与科学的流向出现有趣的分叉：Mistral 的 30 亿欧元与宁德时代领投深度智控，一个买「主权」、一个买「物理 AI 底座」；DeepMind 把 AlphaGenome 铺成全基因组图谱做公共品，OpenAI 则在同一天因抢先风波消耗学术信用——「AI for science」的公共形象正在被两种行为模式同时塑造，而信任一旦裂开，修复比训练模型慢得多。
本刊注：openai.com、x.com、mistral.ai、ai.meta.com 本机不可达（403/SSL 失败/JS 壳），相关引文与数字均标注了核验路径；「官方口径/发布方」与「评论者转述」已尽数区分；Mistral 融资细节与 Meta Muse 能力细节因源不可达未获核验，请以官方原文为准。