OpenAI släpper hundratals AI-skrivna matematiska bevis och lämnar fältet i kaos
OpenAI har precis lagt in 372 matematiska resultat i ett GitHub-arkiv från en outgiven frontiermodell. The Verge räknar 722 manuskript fördelade på 372 resultatfamiljer. Många bevis har redan kontrollerats i Lean, så logiken är förmodligen bra även om nyheten fortfarande är ännu okänd.
Företaget hävdar att de har gjort vinster med den fyrdimensionella Kakeya-förmodningen, gjort justeringar av viktiga algoritmer och till och med gjort "faktiska framsteg" mot Riemann-hypotesen. En talesperson berättade för Scientific American att nästan alla resultat kom från en enda prompt till en enda agent – inte den mångmiljondollarsvärm med 10 000 agenter som knäckte Navier-Stokes tidigare. Genomsnittlig kostnad: ungefär tre timmars ChatGPT Pro-tänkande.
Matematikerna jublar inte alla. MIT:s Andrew Sutherland sa i princip: visa modellen eller behandla engångsberättelsen som overifierad. OpenAI:s egen rådgivande grupp ville ha prompter, modellnamn och kvitton för beräkningar. OpenAI publicerade istället medelvärden och några Lean-formaliseringar. "Vi dumpade bevisen, snälla läs dem" är en djärv forskningsstrategi.
Mistral presenterar Large 4, en "Le Chonk" med en 1-biljonsparameter som siktar på överlägsenhet i öppen vikt
Det franska labbet Mistral öppnade en offentlig förhandsvisning av Mistral Large 4 – inofficiellt ML4, "väldigt officiellt: le Chonk". Det är en nativt multimodal blandning med 1 biljon parametrar totalt och 49 miljarder aktiva. Vikter utlovas vid månadsslutet efter samarbeten med partners och regeringar.
Utbildningen kördes på 3 800 NVIDIA Grace Blackwell-grafikprocessorer i Mistrals egna europeiska datacenter. Fokus ligger på suveränitet plus bett: cybersäkerhet, finans, juridik, chipdesign. I ett cybertest från Artificial Analysis, där en modell ber att reproducera och åtgärda en verklig sårbarhet, säger Mistral att ML4 fick 82 % – det högsta av alla modeller – medan vissa slutna jättar vägrar och får nära noll.
Så Europa vill fortfarande ha en tredje väg mellan stängda amerikanska laboratorier och kinesiska öppna vikter. Huruvida den håller är en annan sak. Själva smeknamnet antyder att de vet hur absurd parameterkapplöpningen ser ut utifrån.
Claude flyttar in i Google Dokument, Kalkylark och Presentationer som en sidopanel från första part
Anthropics Claude för Google Workspace är i offentlig betaversion med betalda abonnemang. Installera Marketplace-tillägget, öppna en fil, så sitter Claude i en sidofält där du kan läsa dokumentet och redigera det på plats. Nya kopplingar låter dig också skapa och justera Google-filer från själva Claude-chatten.
I Dokument kan den fixa en mening utan att förstöra formateringen, eller visa större omskrivningar som förslagskort. Kalkylark hämtar formler, pivoter, diagram och till och med en Python-omväg för trassliga kopplingar. Presentationer kan skapa nya bilder från ditt befintliga tema och sedan flagga överlappande skräp. Standardläget frågar före redigeringar. Det finns ett "Acceptera alla"-läge om du gillar att leva farligt.
Gemini finns redan här, och Microsoft Copilot gör Office-versionen – ibland på Anthropic-modeller, vilket är en rolig liten motsägelse. Claude försöker nu vara AI-lagret i båda ekosystemen. Kalla det produktstrategi, eller helt enkelt vägra välja sida. Båda, förmodligen.
Meta och Sierra utarbetar ett personligt agentprotokoll så att butiker kan skilja bra robotar från dåliga
Sierra och Meta, tillsammans med Genesys, Instinct, Rocket, Shopify, Stripe och Walmart, bygger en öppen standard för hur personliga AI-agenter kommunicerar med företag. Konsumenter väljer vad deras agenter har åtkomst till. Företag bestämmer vad agenter får göra på webbplatser, API:er eller via en företagsagent. Sessioner bygger på OAuth.
En v0.1-specifikation och referensimplementering väntas senare denna månad. Bret Taylors formulering är rak på sak: det är lite kaos tills något liknande detta existerar. Amazon har blockerat Metas Muse. Walmart samarbetar med Muse och ser fortfarande CAPTCHA-friktion som sparkar ut agenter. Flygbolag och andra drar hårdare gränser.
OpenAI och Anthropic är inte med i rummet än. Taylor säger att han skulle bli riktigt besviken om konkurrenterna hoppar över det. Uppriktigt sagt för en standardlansering. Också lite obekvämt med tanke på att OpenAI:s ordförande är med och skriver protokollet.
OpenAIs Decisions API går offentlig beta för snabba ja-eller-nej-svar
OpenAI släppte Decisions API i offentlig betaversion på gpt-6-luna via POST /v1/decisions. Mata in text, bilder eller båda och få maskinskrivna svar ungefär 10 gånger snabbare än med Responses API - en sannolikhet att ett villkor är sant, ett val från din lista eller en poäng mot ordnade nivåer.
Tänk dig att skicka ett klagomål om "debiterat två gånger" till fakturering, eller att flagga ett produktfoto för en crack. Bilderna måste vara inline base64. Priset är 0,10 USD per miljon indatatokens, utan avgift för utdatatokens på denna slutpunkt. Noll datalagring och HIPAA-vägar finns för berättigade kunder.
Den visades i begränsad förhandsvisning på DevDay och är nu öppen. GA är "kommande veckor". Det här är vad osexiga VVS-produkter behöver - klassificerare utan att behöva skriva en roman varje gång.
Google DeepMinds EmbeddingGemma 2 packar text, bilder, ljud och video i ett vektorutrymme på enheten
EmbeddingGemma 2 är en Apache 2.0-modell med 740 miljoner parametrar som mappar text, kod, bilder, video och ljud till ett delat 768-dimensionellt utrymme. Byggt på Gemma 4. Riktat mot telefoner och annan begränsad hårdvara, inte ytterligare en gigantisk molnbaserad inbäddare.
Ladda bara det du behöver: 270M för text, lägg till bild eller ljud, eller ta hela stacken. Matrjosjka-trunkering kan krympa vektorer ner till 128 dimensioner för upp till 6 gånger mindre lagringsutrymme. Kontexten är 8K tokens - tillräckligt för ungefär 5,5 minuter ljud eller dussintals bildrutor. Google säger att MTEB-koden hoppade nästan 10 poäng jämfört med den första EmbeddingGemma.
På en Pixel 11 Pro med kvantisering behöver text-endast-vikter cirka 191 MB aktivt RAM-minne; full multimodal cirka 567 MB. Den ursprungliga textmodellen har redan passerat 20 miljoner nedladdningar. De tystare Google-lanseringarna spelar ibland större roll än de flashiga.
Sydkoreas vetenskapsminister fördubblar sitt arbete med en gränsbaserad AI-bana på 3,5 miljarder dollar efter Mythos
Vid en parlamentarisk granskning sa vice premiärminister Bae Kyung-hoon att Seoul kommer att behålla sitt projekt med en modell för suveräna grunder och lägga till ett separat AI-program för gränsområden. Han kopplade satsningen på 4,7 biljoner won (3,5 miljarder dollar) till "Mythos-chocken" kring Anthropics Claude Mythos och till cybersäkerhetshot.
Den suveräna satsningen godkände en andra utvärdering och är på väg in i en tredje. Bae kallade de nuvarande resultaten globalt för mellanregister och vill ha något som ligger närmare ledande öppna system. Han lanserade också en "AI för alla"-tjänst – gratis, utan användningstak – i slutet av året, plus megaprojekt inom datacenter, fysisk AI och chips.
Så historien är inte "avbryt hemmamodellen". Det är "lägg till en större, läskigare bana bredvid". Nationella AI-tävlingar blir bara dyrare. Huruvida 3,5 miljarder dollar är tillräckligt mot amerikansk och kinesisk skala är öppet. Bae verkar tycka att det är värre att sitta still.
Vanliga frågor
Vad dumpade OpenAI i GitHub med sin outgivna frontier-matematikmodell?
OpenAI publicerade 372 matematiska resultatfamiljer – cirka 722 manuskript – från en outgiven frontiermodell. Många bevis finns redan tillgängliga i Lean. Företaget hävdar framsteg med den fyrdimensionella Kakeya-förmodningen, algoritmjusteringar och arbete mot Riemann-hypotesen. En talesperson sa att nästan varje resultat kom från en enda prompt till en enda agent, i genomsnitt ungefär tre timmars ChatGPT Pro-tänkande – inte en enorm svärm av flera agenter.
Varför är matematiker skeptiska till OpenAI:s historia om engångsbevis i matematik?
MIT:s Andrew Sutherland uppmanade OpenAI att visa modellen eller behandla engångspåståendet som overifierat. OpenAI:s egen rådgivande grupp ville ha prompter, modellnamn och beräkningskvitton. Istället publicerade företaget medelvärden och några Lean-formaliseringar. Bevisen kan komma att kontrolleras formellt, men nyhetsvärdet och berättelsen om en enda agent förblir omtvistade tills mer fullständiga bevis framkommer.
Vad är Mistral Large 4 och när kommer vikterna?
Mistral Large 4 – även kallad ML4 eller "Le Chonk" – är en multimodal blandningsmodell av experter med 1 biljon parametrar totalt och 49 miljarder aktiva. Den tränades på 3 800 NVIDIA Grace Blackwell GPU:er i Mistrals europeiska datacenter. En offentlig förhandsvisning är live; fullständiga viktningar utlovas i slutet av månaden efter samarbeten med partners och myndigheter. Mistral presenterade användningsfall inom cybersäkerhet, finans, juridik och chipdesign.
Hur fungerar Claude i Google Dokument, Kalkylark och Presentationer?
Claude för Google Workspace är i offentlig betaversion med betalda abonnemang via ett Marketplace-tillägg. Det finns i en sidofält där du kan läsa en fil och redigera den, eller skapa och justera Google-filer från Claudes chatt. I Dokument kan du korrigera meningar eller lägga till förslagskort; Kalkylark hämtar formler, pivoter, diagram och valfritt Python; Presentationer kan skapa bilder från ditt tema. Standardläget frågar före redigeringar; ett "Acceptera alla"-läge hoppar över uppmaningarna.
Vilket problem försöker Meta och Sierra Personal Agent Protocol lösa?
Personliga AI-agenter använder ofta CAPTCHA:er eller blockeringar när de handlar eller ringer företags-API:er. Sierra och Meta, tillsammans med partners som Genesys, Shopify, Stripe och Walmart, utarbetar en öppen standard så att konsumenter kontrollerar agentåtkomst och företag anger tillåtna åtgärder via OAuth. En v0.1-specifikation och referensimplementering väntas senare denna månad. OpenAI och Anthropic är ännu inte tillgängliga.
När bör man använda OpenAIs Decisions API istället för Responses API?
Använd Decisions API när du behöver ett snabbt skrivet ja-eller-nej-svar – en sannolikhet för att ett villkor är sant, ett val från en lista eller en poäng på ordnade nivåer. Det körs på gpt-6-luna via POST /v1/decisions, accepterar text och inline base64-bilder och är ungefär 10 gånger snabbare än Responses API. Priset är 0,10 USD per miljon indatatokens utan avgift för utdatatokens. Noll datalagring och HIPAA-vägar finns för kvalificerade kunder; GA förväntas inom de kommande veckorna.
Vad gör Google DeepMinds EmbeddingGemma 2 användbar på telefoner?
EmbeddingGemma 2 är en Apache 2.0-modell med 740 miljoner parametrar som mappar text, kod, bilder, video och ljud till ett 768-dimensionellt utrymme. Du kan bara ladda text (270 MB), lägga till bild eller ljud, eller ta hela stacken. Matrjosjka-trunkering kan krympa vektorer till 128 dimensioner för upp till 6 gånger mindre lagringsutrymme. På en kvantiserad Pixel 11 Pro behöver endast text cirka 191 MB aktivt RAM-minne och fullständig multimodal cirka 567 MB, med en 8K-token-kontext.