2026-07-19 AI 新闻汇总

1. GPT-5.6 Sol 用 148 分钟关闭 30 年凸优化数学难题

7 月 17 日，加州大学伯克利分校应用数学教授 Phillip Kerger 在单次 148 分钟的会话中，使用 GPT-5.6 Sol Pro 成功证明零阶凸优化中 oracle 复杂度下界为 \(\Omega(\frac{d^2}{\log(d+1)})\)，填补了自 1996 年 Protasov 给出 \(d^2\) 上界以来悬而未决的 \(\Omega(d)\) 与 \(\Omega(d^2 \log^2 d)\) 之间的理论间隙。证明已通过 Lean 形式化验证，相关仓库已开源。

这距离 OpenAI 内部团队使用 GPT-5.6 Sol Ultra（64 并行子代理）证明 50 年未解的 Cycle Double Cover Conjecture 仅过去 8 天。与前者不同，本次结果是外部研究者在其个人 Chat Session 中独立完成的，反映了大模型在数学研究中的方法论突破——用户用一年时间积累 prompt 工程经验，在模型能力到位后一举成功。凸优化是现代机器学习（梯度下降、SGD、ADAM 等）的数学基础，该成果具有理论与实践双重意义。

值得关注的原因： 短短两周内连续攻克两项长期数学难题，标志着大模型已从"模式匹配"进入"知识生产"阶段。外部独立研究者而非内部团队取得突破，进一步证明了 AI 辅助科学研究的普惠性。同时引发的"归因问题"（是人的研究还是模型的贡献）以及莱顿宣言（16 位剑桥、牛津、哥大等 15 所高校研究者签署）对 AI 引导科研方向的担忧，值得持续跟踪。

来源： Hacker News (529 分 / 342 评论) | arXiv 2607.13335 | 博客园工程笔记 | 2026-07-18

---

2. Moonshot AI 发布 Kimi K3：迄今最大开源权重模型

7 月 16 日，阿里巴巴支持的 Moonshot AI（月之暗面）发布 Kimi K3，采用 MoE 架构，总参数量约 2.8 万亿，支持 100 万 token 上下文窗口及原生多模态输入。在 Arena 盲测中，开发者偏好度超越所有美国主流模型，但 Moonshot 自报数据中部分指标仍落后于 GPT-5.6 Sol 和 Claude Fable 5。权重将于 7 月 27 日公开发布，届时将成为迄今最大规模的开源权重模型，超过 DeepSeek V4-Pro 的 1.6 万亿参数。Kimi K3 的 API 定价约 $12/百万 token，显著高于中国模型惯用的低价策略。

值得关注的原因： K3 表明中国 AI 实验室在参数规模和模型能力上已进入全球第一梯队，且选择开源路线将显著降低前沿模型的使用门槛。此次发布被 Axios 等西方媒体称为"新的 DeepSeek 时刻"，可能进一步影响美国对华 AI 政策走向。7 月 27 日权重正式开源后的社区反馈将是关键观察节点。

来源： Axios | EveryDev.ai Weekly Digest | 2026-07-16

---

3. AI Coding 赛道三强齐发：GPT-5.6、Grok 4.5、Muse Spark 1.1 同期登场

7 月 8-9 日的 48 小时内，三家前沿 AI 实验室同步推出面向开发者的编程模型：xAI 的 Grok 4.5（7 月 8 日，主打性价比，$2/$6 每百万 token），OpenAI 的 GPT-5.6 系列（7 月 9 日，Sol/Terra/Luna 三层分层），Meta 的 Muse Spark 1.1（7 月 9 日，100 万 token 上下文，Meta 首次对自有模型 API 收费）。编程与智能体成为共同的突破口。同期，xAI 还完成了对开发者工具 Cursor 的收购（估值 600 亿美元），并于 7 月 15 日将 Grok Build 编程智能体开源。OpenAI 将 ChatGPT 与 Codex 整合为统一应用，Codex 周活跃用户已超 500 万。中国市场方面，IDC 报告显示阿里 Qoder 以 47.6% 营收份额位居国内 AI 编程市场第一。

值得关注的原因： AI Coding 赛道已从模型能力比拼升级为"模型 × 工具链 × 生态"的综合竞争。三家 labs 的不同策略（OpenAI 的平台整合、xAI 的性价比 + 收购 Cursor、Meta 的超长上下文 + 首次付费 API）代表了对开发者工具市场的三种押注方向。中国市场的 Qoder 一家独大格局同样值得关注。

来源： 南方周末/腾讯新闻 | TechBytes | ClaudeWorld | 2026-07-09 ~ 07-18

---

4. Fable 5 vs GPT-5.6 Sol NP-Hard 问题实战对比：Fable 5 显著领先

独立开发者 Charles Azam 将 Fable 5 和 GPT-5.6 Sol 置于同一未公开的 NP-Hard 光纤网络设计问题上进行 30 分钟预算的配对测试。结果显示 Fable 5 在裸跑模式下的平均得分（32,386）优于 Sol（34,261），前者的一致性也远超后者（319 分波动 vs 1,958 分）。此外，/goal 模式并非通用"加力开关"：虽然在 4/6 次测试中获胜，但均值反而更差——它偶尔带来大幅回退，拖累整体表现。Claude Code 的 /goal 使用独立评估模型（默认 Haiku）判断任务完成状态，而 Codex 的 /goal 让工作模型自行声明完成——两种实现路径差异显著。

值得关注的原因： 该测试从真实工程问题出发，揭示了一个关键判断：在复杂优化场景下，Fable 5 的一致性优于 Sol 的偶发性创造性突破。/goal 模式的实验结论对日常开发有实际参考价值——它不是万能的"更努力"开关，而是改变了搜索路径，可能带来更好的局部最优，也可能让错误方向得到更多计算资源。

来源： Charles Azam 博客 | Hacker News (227 分 / 109 评论) | 2026-07-18

---

5. AI Coding 工具集中安全加固，AsyncAPI 供应链攻击敲响警钟

7 月 11-17 日当周，三大主流 AI 编程工具密集发布安全更新：GitHub Copilot CLI（7 月 14 日）在 plan 模式下硬性阻断文件变更类工具调用，并将沙箱策略扩展至 LSP 路径；Claude Code 修复了双向覆盖字符、零宽字符等可伪造权限审批界面的漏洞，同时修复了 Shell 注入问题；OpenAI Codex 0.144.5（7 月 16 日）改进了危险命令检测并增强了拒绝原因的可解释性。同期，攻击者入侵了四个 AsyncAPI 核心仓库的发布流水线，向 npm 推送了五个木马化软件包——而 AI 编程代理正是此类供应链攻击的理想目标。

值得关注的原因： 三个主流产品在同一周内集中安全加固并非巧合，反映出行业正在从"追求自主性"转向"自主性与安全性的平衡"。AsyncAPI 事件展示了 AI 编程代理作为攻击面的实际风险——当代理拥有安装依赖的权限时，它就成了供应链攻击的放大器。这一趋势将影响企业采纳 AI 编程工具的速度和方式。

来源： EveryDev.ai Weekly Digest | Claude Code Changelog | Codex Changelog | 2026-07-14 ~ 07-16