本期共 10 条（5 条精评 + 5 条简报）。TLDR AI 文本抓取连续两天失败（页面只渲染落地页、无刊物正文）；smol.ai 公开刊仍冻结在 9 月 9 日，未达新鲜度要求。本期候选来自 Superpower Daily（10 月 10 日版）、ai0.news（10 月 9 日刊）与 The Batch（10 月 9 日刊）；Awesome Agents 列表页 24 小时未更新、其中 8 条昨日已报，仅作去重对照。部分条目原文链接在抓取时未能可靠解析，来源链接为当期 digest 页，解读以 digest 摘要为依据。

精评

1. OpenAI 撤回三篇 AI 生成的数学证明：符号错误作废论证，陶哲轩与 Aaronson 掀起"Math 2.0"之争

• 发生了什么：据 ai0.news 10 月 9 日刊，OpenAI 在约 400 篇声称的数学证明中撤回了 3 篇——一个符号错误让论证作废，同时新增 6 个 Lean 形式化与 19 处修改；目前顶层结果约 42% 已形式化验证。HN 评论两极：有人认为 400 篇错 3 篇是可接受的错误率，也有人质疑被撤的恰是自然语言证明、为什么当初要和 Lean 验证工作混在一起。
• 为什么重要：这是"AI 做数学"第一次出现公开的、可计数的撤稿记录，把争论从"AI 能不能解难题"推向"AI 的证明算不算数学"——陶哲轩的回应点出核心：Math 2.0 应该珍视理解与表达，而不只是产出；把未经评审的证明倾倒给数学界，等于把吃力不讨好的验证工作转嫁给了人类。
• 关键细节：Aaronson 转述其妻（唯一博弈猜想专家）称 OpenAI 的某份"证明"如外星文般难读，需要借助 AI 才能解析；埋在文章里的数字是：模型被给了约 8000 个开放问题，解出约 5%——这个数字"惊人还是平庸，取决于你的先验"。
• 不确定性：以 digest 摘要为依据；撤回证明的具体数学内容与形式化验证比例的口径（42% 的分母定义）未在摘要中交代。
• 来源：ai0.news 10 月 9 日刊

2. OpenAI 年化收入修正为约 500 亿美元（此前流传 700 亿），英伟达、Oracle、CoreWeave 应声下跌

• 发生了什么：据 TechCrunch 与 CNBC，OpenAI 年化收入"接近 500 亿美元"，而非上月流传的 700 亿；虚高的数字源于投资人套用 Anthropic 的会计口径（含云合作伙伴销售额）。消息拖累英伟达跌 3%、Oracle 跌 6%、CoreWeave 跌 8%。
• 为什么重要：200 亿美元的口径差直接冲击 8520 亿美元估值与 2027 年 IPO 的叙事基础——AI 基建链（芯片、云、算力租赁）的股价已经和实验室的收入数字绑在一起，一个会计口径的澄清就能让整条链条重新定价；这也说明当前 AI 一级市场的数字游戏正在向二级市场传导。
• 关键细节：修正的不是业务本身，而是"怎么算收入"——云合作伙伴销售额计入与否，成了 200 亿美元的分水岭；这对正在谈判算力大单的所有实验室都是一个估值参照系的重置。
• 不确定性：以 digest 摘要为依据；500 亿的具体构成与审计状态未披露。
• 来源：ai0.news 10 月 9 日刊

3. Anthropic Haiku 5.5：降价 90% 对标 GPT-6 Luna 首发可调 effort 档位，但 10 万 token 的 5 倍断崖定价引争议

• 发生了什么：据 ai0.news 10 月 9 日刊，Anthropic 的新小模型 Haiku 5.5 在 10 万 token 以下的 prompt 定价比 Haiku 4.5 便宜约 90%，恰好与 GPT-6 Luna 同档对齐，并首次把可调 effort 等级（Low 到 Max）下放到 Haiku 产品线；同时 Sonnet 5.5 的缓存读取降价 50%，Max/Team 订阅用户每月获 100–500 美元 API 额度。
• 为什么重要：这是 frontier 实验室第一次把"小模型价格战"打到与对手主力 SKU 逐分对齐的精度——定价本身成了产品发布会；effort 档位下放则意味着"按推理量付费"的粒度控制正在从旗舰模型向全产品线渗透，agent 场景的成本模型会被重写。
• 关键细节：争议点在 10 万 token 处的断崖：低于 10 万是 0.10 美元/MTok，高于则 0.50 美元，5 倍跳涨被开发者称为"长上下文场景没法做预算"；正向数据点是 Plotly 内部评测称成本降 9 倍、准确率还升了两个字母等级。
• 不确定性：以 digest 摘要为依据；断崖定价是否会调整、effort 档位的实际推理质量差异尚未有第三方大规模评测。
• 来源：ai0.news 10 月 9 日刊

4. 乌克兰无人机打击 Yandex 数据中心：AI 训练算力第一次成为战争的直接打击目标

• 发生了什么：Superpower Daily 10 月 10 日版称，乌克兰无人机袭击了 Yandex 的数据中心，Sasovo 设施内有 Yandex 三台 AI 训练超算中的两台，另一处站点部分下线，公司尚无法说明设备何时恢复。
• 为什么重要：AI 算力第一次从"地缘政治筹码"（出口管制、建厂选址）变成了"动能打击目标"——训练集群的物理集中度（一个园区两台超算）本身就是脆弱性；这会迫使所有大算力持有者重新评估选址、冗余与保险，而算力保险与战时韧性可能成为新的采购项。
• 关键细节：被打击的不是通用云机房，而是明确标注为 AI 训练用途的超算设施，说明攻击方已经把"AI 训练能力"列入目标清单；恢复时间"无法说明"意味着硬件替换周期可能以月计。
• 不确定性：以 digest 摘要为依据；袭击造成的实际硬件损失程度与是否为针对性打击 AI 设施，摘要未提供独立证据。
• 来源：Superpower Daily

5. AI 编程 agent 的第一份"祛魅"数据：700 多家软件公司显示代码产出增加，但任务完成率无显著提升

• 发生了什么：Superpower Daily 10 月 10 日版引述一项研究：覆盖 700 多家软件公司的数据显示，引入 AI 编程 agent 后代码产出上升，但评审变长、返工请求变多，在跟踪的 issue 解决率上没有统计显著的提升。
• 为什么重要：这是第一次有大规模、多公司样本把"AI 编程提效"的叙事拆成两半——产出（token/行数）涨了，交付（issue 关闭）没涨；对正在按"人效比"给编程工具定预算的工程团队，这是第一个可以拿去跟供应商谈判的反向证据。
• 关键细节：代价结构很具体：更长的评审 + 更多的修改请求，说明 agent 把"写代码"的成本转移到了"读代码和改代码"上；“无统计显著提升"的口径是 issue 解决率，而非主观满意度，证据强度高于个案访谈。
• 不确定性：以 digest 摘要为依据；样本的选取方式、agent 品类与使用深度的分布未在摘要中披露；相关性不等于"agent 无用”，也可能是工作流尚未适配。
• 来源：Superpower Daily

简报

6. Black Forest Labs 进军机器人：Flux 3 Action 把视频生成经验做成世界-动作模型

图像/视频生成实验室转向机器人已成明确波浪：继 Runway、Reka 之后，Flux 背后的 Black Forest Labs 推出 Flux 3 Action，把视频领域的世界模型经验延伸到动作规划。生成式世界模型与机器人策略的边界正在消失，“会想象"和"会动手"开始由同一拨人、同一套架构解决。（来源：The Batch 10 月 9 日刊）

7. 被解雇的三名 OpenAI 安全研究员发表公开信反驳：否认违规，警告"寒蝉效应”

上周以"不当处理敏感信息"为由被解雇的三名安全研究员发表公开信，称外部合作是常规操作且在职责范围内，否认有不当行为，并警告解雇已在内部安全文化中造成寒蝉效应；OpenAI 内部备忘录否认报复性解雇，但尚未正式回应公开信。这是昨日"安全团队人事地震"的实质性后续——从人事新闻变成了关于安全治理可信度的公开争论。（来源：ai0.news 10 月 9 日刊）

8. Anthropic 推出免费开源漏洞扫描 OSS Scanner：用 Claude Mythos 定期扫，无人工复核

Anthropic 上线 opt-in 服务，为开源项目提供基于 Claude Mythos 的定期漏洞扫描，明确无人工复核、误报预期内。时间点耐人寻味：Linux 内核等项目正被 AI 生成的漏洞报告淹没（Google 因此冻结了开源赏金通道），Anthropic 此时加码自动扫描，等于在"AI 报告是否帮倒忙"的争论中下注了"更多扫描"一侧。（来源：ai0.news 10 月 9 日刊）

9. DeepSeek 4.1 Flash 再引成本争论：第三方称编码/研究任务可比肩 Claude Opus，KV 缓存削减约 437 倍

一篇 dgt.is 的分析称 DeepSeek 4.1 Flash 在真实编码与研究任务上可与 Claude Opus 匹敌、成本只是零头，核心是约 437 倍的 KV 缓存削减；HN 回应偏怀疑但信息量大：重度用户多在包月订阅、API 定价意义不大，Flash 更烧 token 导致裸成本对比失真，复杂任务上 GPT-5.6 Sol 与 Opus 5.5 仍占优——但也有多人表示 Flash 已悄然成为其 agent 工作流的默认选项。开源模型的"性能够用 + 便宜一个数量级"叙事，正在从跑分榜单渗入实际工作流。（来源：ai0.news 10 月 9 日刊）

10. 微软发布 Decision-1"决策模型"：号称响应速度 35 倍于 GPT-6 Sol，“决策模型"成新品类

继 OpenAI Decisions API（本日报 10 月 8 日已报）之后，微软在 Foundry 上线 Decision-1，主打路由、分类与工作流校验场景，宣称速度 35 倍于 GPT-6 Sol——不过速度与精度的说法基于微软自己的结构化任务基准。“决策模型”（小、快、专做判断）正在从一家实验变成品类竞争，下一步看的是独立评测而非厂商基准。（来源：Superpower Daily）

今日值得继续跟踪：OpenAI 数学证明的可信度争议与形式化验证比例、$50B 收入修正对 2027 IPO 叙事的影响、Haiku 5.5 的 100K 断崖定价是否调整、Yandex 算力设施的恢复情况、Black Forest Labs 机器人模型的实测表现。

Photo by MARIOLA GROBELSKA on Unsplash