CAIConcitech AI 日报

每日编辑摘要

№ 20260801

OpenAI 内部版 Astra 用约 2000 美元解决 10 项数学与理论计算机科学难题；同日 OpenAI 把 Luna、Terra 价格再砍 20–80%

OpenAI 联合创始人 Greg Brockman 8 月 1 日发文，宣布内部版 Astra（下一代主力模型）用约 2000 美元 Sol API 成本，完成了 10 项数学与理论计算机科学领域的开放性难题，覆盖非 sofic 群存在性、Connes 刚性猜想反例、von Neumann 代数、高维球堆积、电路复杂度下界等，全部成果附 Lean 形…

归属日期 · PT2026年7月31日星期五
发布时间 · CST2026/08/02 13:00
编辑Concitech AI 编辑部
模型产品研究开发工具商业政策安全

OpenAI 内部版 Astra 用约 2000 美元解决 10 项数学与理论计算机科学难题；同日 OpenAI 把 Luna、Terra 价格再砍 20–80%

OpenAI 联合创始人 Greg Brockman 8 月 1 日发文，宣布内部版 Astra（下一代主力模型）用约 2000 美元 Sol API 成本，完成了 10 项数学与理论计算机科学领域的开放性难题，覆盖非 sofic 群存在性、Connes 刚性猜想反例、von Neumann 代数、高维球堆积、电路复杂度下界等，全部成果附 Lean 形式化证书与 CoT 推导。同日 OpenAI 把 Luna、Terra 价格再砍 20%–80%，Luna Max 在 Artificial Analysis 的 Agentic Coding 评测上对位 Sol Medium、价格约为后者 1/25。Anthropic 也发布 Claude Opus 5，在 IMO 2026 benchmark 拿到 42/42 满分，定价仅为 Fable 5 一半。DeepSeek 同步放出 V4 Flash 0731 的 GGUF 量化版，一台 192GB 内存的桌面即可完整跑下来，本地化不丢分。慕尼黑地方法院则裁定 Suno 在训练与输出两端侵犯版权、驳回合理使用抗辩，成为音乐生成模型在欧盟法域下第一例不利判决。这三件事把“前沿能力—推理成本—合规边界”三条线在同一天顶到了产业视野中央。

主题一：OpenAI 内部版 Astra 用 2000 美元解决 10 项开放难题

Brockman 推文披露的十项进展覆盖数学与理论计算机科学多条主线，包括：证明存在非 sofic 群（否定若干群论上的普遍性假设）、给出 Connes 刚性猜想的反例、在 von Neumann 代数与高维球堆积方向推进、在电路复杂度上拿到新的下界结果。OpenAI 已公开发布全部 10 项证明，并附 Lean 形式化证书与逐步 CoT 推导，按 Sol API 价格折算总计约 2000 美元。

机制上，Astra 是 OpenAI 自家描述的下一代多智能体模型家族，与 GPT-5.6 Sol/Luna/Terra 属不同代次。OpenAI 强调“在公开问题上同时跑出 10 个独立突破”是首次，因此把成本写成 ~$2000 的目的，是把“靠暴力搜索 + 大量试错”的隐含叙事锁死在可控价位上。OpenAI 还公开承诺团队“也尝试了其他重大开放问题但未成功，含 Millennium Prize”——这等于提前承认数学结论并不等于科学结论。

为什么重要：这是第一次有实验室在数学与理论 CS 这种形式化领域里，以模型而非人类研究者的身份一次性拿出 10 项长期难题的结果，且每项都给出机器可验证的形式化证书。它的可复制性、对非形式化领域的迁移能力、训练-推理耦合方式，目前都未公开。Yuchen Jin 让 Fable 5 反向评估称这些题“可能值 Fields Medal”；Gary Marcus 反复提醒“Astra 数学强 ≠ 通用智能”，并指出已有一名数学博士生（@henryquantum）发现至少一项证明在表述清晰度上存在缺陷。Sloan 研究员 poly Noamial（@polynoamial）也承认他们尝试了其他重大开放问题（含 Millennium Prize）但未成功。

争议集中在三点。第一，方法论不透明：OpenAI 没有公开模型在 10 项难题上的成功-尝试比、是否调用 Lean / Coq 等形式化工具、人类研究者在哪个环节参与。Gary Marcus 把它和当年社区对 OpenAI 早期大模型的反应归为同一类——结果先于方法，对外只看到 249 页成果页而非机制页。第二，形式化与开放问题的等价性：Tibo（@thsottiaux）说“这周属于效率提升，这个周末属于 10 项科学突破”；Bojan Tunguz 直接称之为“另一个 Deep Blue 时刻”。第三，是否等于 AGI / ASI：Marcus 用 2024 年与 Brundage 的公开赌约作锚——他愿意接受 Astra 在“5/10”门槛上算 AGI，但目前的公开证据远不到这条线。对开发者侧来说，最直接的变化是 test-time compute 这条工程路线从此有了第一份“以可验证成本拿到里程碑”的可复制剧本。

源链接：

主题二：OpenAI 同步把 Luna、Terra 砍价 20–80%，sol-advisor 进入一线用法

同日，OpenAI 把 GPT-5.6 体系下 Luna 和 Terra 的 API 价格再压一档：Luna 降幅 80%，Terra 降幅 20%。开发者社区随即开始用 Luna Max 当“高性价比前端 + Sol Medium 当后端”的混合编排。Dan McAteer 推介的 sol-advisor 范式是：用 GPT-5.6 Sol 做 orchestrator/advisor，把 Luna Max、Terra Max 派去当 implementer；@rasbt 给出的 Artificial Analysis Agentic Coding 散点图显示，Luna Max ≈ Sol Medium，Terra Max ≈ Sol High，价格只有后两者的几分之一。

机制：Sol/Luna/Terra 是同代 GPT-5.6 系下的不同档位，分别对应高/中/低推理强度；降价 + 智能路由组合后，单任务成本可以显著低于“全程用 Sol”的旧用法。Emad Mostaque 估算，加上 prompt caching，单个 Astra 数学案例的累计 token 大概在 1 亿级别，仍远低于 Codex 一周的订阅额度。

为什么重要：模型公司不再只比“分数”，而是开始把“每任务美元成本”摆到与 benchmark 等同的位置。这意味着 Agent 类应用的产品经济性正在被改写：原本每跑一次 agent 任务 1–3 美元，今天可以压到几美分；高频 AI 服务第一次有了规模化获客的可能。

源链接：

主题三：DeepSeek V4 Flash 0731 上线，284B 总参 / 13B 激活可装进 192GB 桌面

Unsloth 发布 DeepSeek V4 Flash 0731 的 GGUF 量化版：3-bit 约 103GB（110GB 总内存可跑）、4-bit 约 155GB、Q8 无损约 162GB。模型本体 284B 总参 / 13B 激活，约 96% 的路由专家权重原生以 FP4 存储，因此 Q8 无损版本只比 4-bit 大约 7GB，Unsloth 不需要二次重压。Terminal Bench 2.1 82.7、DeepSWE 54.4、NL2Repo 54.2，多项 Agent 与编码测试都超过此前的 V4 Pro Preview。

机制：DeepSeek 在 MoE 路由层做了量化感知训练，相当于把 FP4 写进了权重本体；社区再放 GGUF 时几乎只是重打包，而不是重新量化，因此能保住 V4 Pro Preview 之外的一段能力上限。Max For AI 把这条线和 Sam Altman 的“四个月前 GPT-5.4 旗舰能力现在只要 1/13 token 价”以及清华系面壁智能的“密度定律”（同参数能力约每 3 个月翻一倍）摆在一起读，结论指向同一件事：智能正在快速“商品化”。

为什么重要：模型能在一台 192GB 统一内存的桌面工作站上完整跑下来，且本地化不丢分，意味着“几万美元以内的本地工作站跑前旗舰”开始成立。Geekbb 在鹈鹕 SVG 测试中实测 V4 Flash + Codex 耗时约 15 分 46 秒、单次请求约 6 万 token；DeepSWE 54.4 也意味着 SWE 类任务第一次有了可全本地替代方案。同时 Artificial Analysis 的 cost-per-task 数据把“每任务成本”维度钉死：V4 Flash 综合任务成本 0.03 美元、综合指数 50；Claude Fable 5 成本 3.15 美元、综合指数 60，便宜约 105 倍、覆盖约 83% 能力。

需要注意的是，岚叔独立测试中 V4 Flash 的前端实测并未明显超过 GLM-5.2，Arena 的纯 HTML 生成排名偏后；DeepSeek 官方明明有 max 推理深度选项，Arena 上呈现的版本看起来不够严谨。这意味着 V4 Flash 更适合“快速出初稿 + 低成本”，精修仍需更强模型。Lobehub 等团队已经把“前端 DeepSeek + 难任务 GPT”的混合路由写成 OpenCodex 等本地代理的默认策略；Indie Fox 同步实测确认在成本、质量、速度三个维度都成立。

源链接：

主题四：Anthropic 发布 Claude Opus 5：在 IMO 2026 上 42/42 满分，定价不到 Fable 5 一半

AI Valley 转载 Anthropic 官方发布：Claude Opus 5 在 apps、Claude Code、API 三端同步上线，定位为“接近 Fable 5 智能，价格约为后者一半”。核心成绩：IMO 2026 benchmark 42/42 满分；在 coding、reasoning、agentic search、computer use 几项上同时刷到 SOTA；safety 维度被同步强调。

机制：价格 + 安全 + 能力三角同时拉，意味着 Anthropic 的商业策略已经从“对标 OpenAI 的最强模型”转向“对标最佳性价比”。Cursor 同日推出的 smart AI Router 把这件事做成产品——按任务特征自动选 GPT-5.6、Claude Sonnet 5、Claude Fable 5 等档位。

为什么重要：Claude Opus 5 + Cursor Router 这套组合，把“前沿模型 = 单一旗舰”的市场叙事直接改写成“按子任务智能路由”。对开发者来说，最直接的含义是按“用得起”而不是“用最好”来规划栈。

源链接：

主题五：YC 开源 QM 多 Agent Harness，工具表已扩到 350+，Slack/Web 原生

YC 联合 Garry Tan 同步公开了内部使用已久的 QM Harness。它把 memory、文件、keychain、权限、cron、sandbox 全部做 per-user / per-channel scoped 隔离；harness 与模型均可替换，Pi、OpenCodex、Codex、Claude Code 共用同一内核；原生支持 Slack 和 Web，MIT 协议，可一键部署到 Fly 或 AWS。YC 内部已经把工具注册表从最初的 ~20 个积累到 350+，覆盖会计记账、法务、活动运营、工程协作等真实业务线。

机制：QM 把 “Agent = 模型 + 沙箱 + 工具表 + 记忆 + 权限” 的整套工程化抽象开源出来，并明确把 harness 与模型解耦。这与今天业内同时出现的另一条线（OpenCodex、Memmy 等本地代理）形成强共振——前者是平台化方案，后者是开发者侧的反向解耦方案。

为什么重要：业内关于“agent 外壳和模型正在解耦”的判断，QM 给出了第一个被 350+ 工具验证过、可部署的开源实现。它意味着 SMB 也能像 YC 那样把多 Agent 流程跑在 Slack/Web 上，而不是被某一家模型厂绑定。Anna Zhang 透露 YC 内部原本就把所有 agent 会话全量广播，等于把“组织记忆”做成了默认产物——这与 OMARSAR 推荐的 AGENTS.md / CLAUDE.md 风格一脉相承，但 QM 是把这种工程化能力打包到一个可部署的项目里。Lucas Beyer 把它形容为“为工作而生的 OpenClaw 优化版”，对那些不想从零搭 harness 的小团队直接可用。

源链接：

主题六：德国慕尼黑法院认定 Suno 在训练与输出两端侵权，合理使用抗辩被驳

慕尼黑地方法院 8 月 1 日裁定，AI 音乐生成器 Suno 在训练过程与生成结果两端均侵犯版权，并驳回其合理使用抗辩。法院认定 Suno 3.5 与 4 版本模型可复现六首知名歌曲的原创元素，构成“记忆化”侵权，责任归于 Suno 而非使用 Suno 的用户。该判决还明确美国版权法下的合理使用不适用于本案，目前尚未最终生效，但已成为欧盟法域下首例对生成式音乐模型不利的主审认定。

机制：法院把“模型权重里复现了什么”和“模型输出里复现了什么”拆开判断，等于同时否定了“训练端合理使用”和“输出端纯工具免责”两条常见抗辩。案件最终生效后，欧盟音乐模型可能被迫引入训练数据来源审计与输出去重机制。

为什么重要：这是欧盟法域下第一次正式以“记忆化侵权”认定音乐模型全链路责任。它为后续图像、视频、代码类生成模型的版权判决立下参考线，并很可能影响欧盟 AI Act 在训练数据透明度条款上的执行口径。判决尚未生效，对应公司仍可上诉，目前不宜外推为最终规则。

源链接：

主题七：华为开源 openPangu-2.0-Pro：首颗全非 NVIDIA 硬件训练的 500B+ 前沿模型

华为官方宣布把 openPangu-2.0-Pro 开源，505B 参数、MoE 架构，号称是第一个完全在非 NVIDIA 硬件（昇腾 NPU）上完成训练的 500B+ 级前沿模型。meng shao 同步转发了 YC 内部的 QM Harness 开源消息。

机制：openPangu 2.0 Pro 在硬件栈层面与全球主流前沿模型拉开距离。配合 OpenAI、DeepSeek、Moonshot Kimi K3 在同一时间段把模型成本往下压，全球前沿模型第一次出现“美国厂主导开源生态、中国厂主导非 NVIDIA 算力栈”的双轨格局。

为什么重要：当一个 505B 级模型能够在完全脱离 NVIDIA 的训练栈上跑下来，证明非 CUDA 路线的训练工程已经具备生产可用性。对中国的算力供应链、训练框架以及国产 NPU 生态来说，这是 2026 年迄今最实质的进展之一。

源链接：

主题八：Snapchat 全面封禁纯 AI 生成视频进入 Spotlight 推荐流

Snap 8 月 1 日起正式拒绝任何“完全由 AI 生成”的视频进入 Spotlight 推荐池。规则不是“贴 AI 标签降权”，而是直接取消推荐资格；同时，AI 用于剪辑、增强、配音等辅助创作的视频仍可推荐，只需明确标注。Max For AI 把这与 YouTube 收紧模板化重复内容的变现资格、LinkedIn / Substack 处理 AI slop 摆在一起读。

机制：平台从“内容分发方”升级为“内容真实性的把关方”。完全自动生成与“AI 辅助 + 真人创作”被显式拆开，AI slop 从“可标注内容”变成“限流对象”。

为什么重要：内容平台第一次在产品规则层面，把“AI 替代创作者”和“AI 辅助创作者”分开处罚。这对纯 AI 短视频矩阵、批量生成内容农场是直接打击；对依赖 AI 工具但保持个人风格的创作者是利好。同期微软 AI 副总裁 Nando de Freitas 宣布离职（2024 年 9 月被 Mustafa Suleyman 招入），他说微软 AI 已具备完整模型体系（MAI-Image-2.5、MAI-Voice-2、MAI-Thinking-1），下一步是“持续迭代模型”，但这恰好是他选择离开的时点。

源链接：

主题九：Figure F.03 完全自主爬梯子——人形机器人迈过“人类基础设施”的门槛

Figure 公司发布视频，机器人 F.03 在没有任何遥控、云端接管的情况下，一步一步爬上一段真实金属梯子并站稳平台。Stanford AI Lab 引用 Annie Chen 的研究指出，real-time interactivity + task understanding + full-body action prediction 同时在线，对人形机器人而言是少数未解决的硬骨头。

机制：梯子是“为人类建造、机器人用不了”的典型设施。F.03 的视觉感知、手-足协调、实时重心控制全部在本地闭环完成，意味着它不再要求世界为它改变。

为什么重要：人形机器人领域目前以宇树后空翻、跳舞等“演示型动作”为主。爬梯子对人类来说零难度，对人形机器人却是 0 到 1——它是建筑工地、夹层检修、高处作业等“非平整地面”的入门门槛。这一爬把“实验室 demo”和“真实现场”的距离显著缩短。

短期内这一能力的成本和可靠性仍不充分：AYi 自己形容 F.03 “像 80 岁大爷一样慢”——动作慢而谨慎，每一次横撑定位都需要重新校准。但“能自主完成”和“速度快”是两条独立的工程曲线，前者是 0 到 1，后者只需要把现有算法持续迭代。结合今日同时放出的其他几条线（Snap 封禁纯 AI 视频、Suno 在欧盟被判侵权、OpenAI 把模型成本再砍 20–80%），可以把这看作 2026 年下半年“具身智能进入产业落地清单”的起点：硬件能闭环、企业能算账、监管能容纳，三件事首次同时成立。

源链接：

主题十：Karpathy autoresearch 思路被搬到 Claude Code / Codex，Agent 整夜自迭代成产品

GitHubDaily 推荐的开源项目 Autoresearch 把 Karpathy 的“让模型一夜跑百轮实验”思路落地为 14 个子命令的 Claude Code / Codex 技能：给一个目标 + 量化指标，Agent 自动循环改代码、跑验证、效果好留、效果差回滚；内置 9 个安全钩子防止误操作。

机制：它本质上是把“Agent 自己写 Agent”做成可重复的工作流，而不是一次性脚本。对个人开发者来说，“设好目标挂着跑、起床看结果”成为新常态。

为什么重要：当 Agent 能整夜自己调自己，模型评测、skill 工厂、AB 实验这类原本要靠人盯的循环，可以全部机器化执行。这条线加上 OpenAI / Anthropic 都在押的“test-time compute”，是 2026 下半年最重要的工程范式之一。

源链接：

高价值单点

  • Nando de Freitas 离开微软 AI：8 月 1 日宣布离开，曾任牛津教授 + DeepMind 首席科学家近十年，加入微软不足两年。他评价微软 AI 团队已经足够成熟，但自研模型体系刚搭起来、核心多模态负责人就选择离开，时间点微妙。下一站未明，他先去阿根廷安第斯山脉度假。
  • DeepSeek Harness 公开内测：DeepSeek Harness 负责人 tianyi 在 X 上公开召集内测成员，要求是 Agent Harness 相关开源项目；评论区里 @lobehub、Pi、OpenCodex 等已经表态。DeepSeek 模型 + 官方 Harness 的组合被视为下一轮 Agent 基础设施的关键卡位。
  • Cursor smart AI Router 上线：支持按任务在 GPT-5.6、Claude Sonnet 5、Fable 5 等档位之间动态路由，对应 Anthropic Opus 5 的“价格约为 Fable 一半”的定价策略。
  • Yann LeCun 与 Zuckerberg 互关：Yann LeCun 的 X 账号重新被 finkd 关注，被中文圈解读为 Meta 内部对前沿模型路线态度可能变化的信号。
  • AI 普及 vs. AI 成本两极化：Sam Altman 称“四个月前 GPT-5.4 旗舰能力现以约 1/13 token 价获取”；Max For AI 同步指出“前端初稿用 Flash 即可，精修才上更强模型”——产品侧的“按任务路由”已不再是可选项。
  • Pfizer 的 Graph RAG 生产案例：在 30% 生成式 AI 项目失败的 Gartner 预测下，Pfizer 团队用 chunk-by-chunk 入图 + 向量库并行查询架构，把数据清理时间从 3 个月压到 3 周。

🕐 小时信号精选

PT 时间 信号 为什么值得记住
00:00 Astra 在多领域同步放出 10 项数学/理论 CS 开放难题证明 一日内单模型最高密度的开放问题突破
00:30 Sol/Luna/Terra 降价 20–80%，sol-advisor 进入一线 评测分数之外，“每任务成本”开始成主轴
02:00 DeepSeek V4 Flash 0731 GGUF 量化发布 192GB 桌面可跑 V4 级，Q8 仅比 4-bit 大 7GB
04:00 Snapchat 全面封禁纯 AI 视频进入 Spotlight 平台首次在规则层区分“AI 替代”与“AI 辅助”
05:00 DeepSeek Harness 公开内测 DeepSeek 模型 + 官方 Harness 组合开始成形
06:00 Anthropic Claude Opus 5 发布，IMO 2026 满分 42/42 头部模型价格/能力曲线再被压一档
07:00 YC 开源 QM Harness（350+ 工具、Slack/Web 原生） 多 Agent 工程化抽象首次以可部署形式开源
08:00 Figure F.03 完全自主爬梯子 人形机器人首次在人类基础设施上自主闭环
10:00 微软 AI 副总裁 Nando de Freitas 宣布离职 自研模型刚搭完、关键多模态负责人离场
11:00 Karpathy autoresearch 思路落进 Claude Code / Codex Agent 整夜自迭代从概念变成现成技能

编辑结论

8 月 1 日被几件事同时顶上中心：OpenAI 内部版 Astra 把“模型 + 形式化证明 + 可验证成本”这条线推到从未到过的水位；OpenAI 同步把 Luna / Terra 价格砍 20–80%，把“每任务成本”摆到了与 benchmark 等同的位置；德国慕尼黑法院给了 Suno 一记重锤，把欧盟法域下音乐模型的合规边界第一次画清。这三件事之外，DeepSeek V4 Flash 跑进了桌面工作站、Anthropic Opus 5 在 IMO 2026 满分、YC 把 350+ 工具的 QM Harness 开源、Snap 全面封禁纯 AI 视频进入推荐流、Figure F.03 完全自主爬梯子——它们看似零散，但指向同一个方向：前沿能力、推理成本、内容真实性、机器人物理自主性这四条线，已经各自进入了产品可用的拐点区。

来源与方法

本日报基于 2026-08-01-pt 目录下的 1 份早间 AIHOT 精选、2 份命名来源（AI Valley、HubToday）及 19 份小时级 X 列表抓取合并而成。所有数字、模型名、价格、测试成绩均按原文抓取，未做交叉核验；OpenAI / Anthropic / DeepSeek 自报 benchmark 已注明出处；如需引用成本数据请同时核对官方文档。