Claude 首次证明费马大定理：11 天写 1300 万行 Lean 代码，AI 完成数学史上最大自动形式化
一句话结论：Anthropic 用 Claude 在 11 天内完成了费马大定理的首个端到端机器验证证明，生成 1300 万行 Lean 代码、验证近 3 万条定理——这不是新数学发现，而是把 Wiles 1995 年的证明变成计算机可逐行验证的凭据。 AI 摘要 发生了什么：Claude 在 11 天内完成费马大定理的机器验证证明，规模是 Mathlib 的 5 倍多。核心变化：多智能体协作从「乱套」到「可并行」，靠的是一个叫 Prove2Me 的定理任务树平台。影响对象：数学家、AI 研究者、关注形式化验证的开发者。下一步观察：这个模式能否复制到其他未形式化的重大数学定理上。 发生了什么 9 月 5 日，Anthropic 宣布 Claude 完成了费马大定理的首个端到端机器验证证明。费马大定理折磨了数学家 350 多年，Andrew Wiles 在 1995 年给出了最终证明，但那套证明长达 129 页，之后人类一直在尝试把它「形式化」——也就是翻译成...
Arena 第35周盲测榜：Qwen3.8-Max 登顶前端榜，国产模型集体冲击第一梯队
一句话结论：在 LMArena 第 35 周（8 月 24–30 日）的第三方盲测中，Qwen3.8-Max-0902 首次入榜即以 1691 分登顶前端开发榜，GLM-5.3-Flash 闯入代码榜前十，这是国产模型第一次在多个细分榜单同时逼近全球第一梯队。 AI 摘要 发生了什么：LMArena 发布 2026 年第 35 周盲测榜，多款国产新模型集体亮相。核心变化：Qwen3.8-Max-0902 前端开发榜登顶（1691 分），把 Claude Opus 5 Max 挤到第二；GLM-5.3-Flash 代码榜首进 Top 10。影响对象：国产大模型开发者、模型选型团队、关注 AI 编程工具的从业者。下一步观察：Qwen3.8-Max 的 AA 智能指数评测何时补上，以及 GLM-5.3-Flash 的排名能否站稳。 发生了什么 LMArena（arena.ai）在 9 月 2 日更新了 2026...
GPT-6 Astra 全量上线：OpenAI 宣告「欢迎来到 AGI 时代」，网安能力首达 Critical 红线
一句话结论：GPT-6 Astra 是 OpenAI 首个在网络安全维度达到「Critical」等级的模型，也是其总裁口中「AGI 时代开始」的标志；但它 99.9% 的基准神话有测试框架的前提，第三方综合评测仍落后于 Claude Fable 5.1。 AI 摘要 发生了什么：OpenAI 于 9 月 3 日发布 GPT-6 Astra，9 月 5 日全量向 Plus、Business 用户开放。核心变化：计算机操作能力跃升、网络安全首次触及 Critical 阈值、API 定价翻到 Sol 的 2.5 倍。影响对象：ChatGPT 订阅用户、AI Agent 开发者、关注前沿模型安全的企业。下一步观察：第三方评测是否会复现 OpenAI 的基准成绩，以及 Critical 级网安能力如何被限制分发。 发生了什么 美东时间 9 月...
「牛来」身份揭晓：智谱正式开源 GLM-5.3-Flash，六天匿名测试换来双平台调用量新高
智谱认领匿名模型 Ox Alpha，正式开源 GLM-5.3-Flash——320B 参数仅激活 18B，AA 指数 57 分持平 Opus 4.8，定价仅其 1/40。六天匿名测试换来双平台调用量新高。
Gemini 3.8 Flash 与 Flash Cyber 发布：Google 把速度、成本和安全拆成两条线
Google 在 2026-09-02 发布 Gemini 3.8 Flash 与 Flash Cyber，前者面向长任务 agent，后者面向可信防御者；这次更新最重要的不是“更强”，而是把速度、成本和安全拆成了两条产品线。