Follow 深度日报：Sol Ultra 数学证明、ChatGPT Work 发布余波、Harness 膨胀与评估革新

Noam Brown 宣布 GPT-5.6 Sol Ultra 用 64 个子代理在不到一小时内，证明了 50 年历史的 Cycle Double Cover 猜想。核心创新在于"并行测试时计算"——将原本可能需要一整天的串行推理任务拆分为并行子任务，大幅压缩延迟。这与之前 Erdős 单位距离问题的区别在于：这次使用的是今日公开可用的模型，而非内部研究版本。

Noam 补充说明：CDC 猜想的证明已有 Lean 形式化版本，由 GPT-5.6 Sol 自主生成并开源。这是从"模型输出文本证明"到"机器可验证形式化证明"的关键一步。

Greg Brockman 转发 OpenAI 官方声明：GPT-5.6 系列在健康智能领域取得重大进步。Luna 模型以 GPT-5.5 最高推理设置同等级别性能、成本仅为其 1/25。

GDB 展示了 Sol 在复杂推理和数据分析中的商业应用：分析数百页借贷交易文件，自动对账跨协议条款、财务报表、尽职调查、抵押品和风险材料，标记问题并生成带引用来源的报告保存至 Box。

Simon 尖锐批评"AI 员工"概念："既是对人类的不尊重，也是对这些工具能力的完全误解。你还不如把 Excel 电子表格加到组织架构图里。"

Simon 实测发现：ChatGPT 移动端"Chat"模式无法用 yt-dlp 提取 YouTube 字幕，但"Work"模式可以——因为 Work 模式允许代码访问互联网。随后 OpenAI 内部人士澄清这只是 UI 差异而非能力差异。Simon 进一步追问：如果我是会用 Git 的软件工程师，Codex 是否就是 Work 的严格超集？

ICML Workshop 最佳论文"Fantastic Adaptive Taxonomies and How to Use Them"：动态自适应失败分类法可在三个维度应用：1) 作为测试时扩展的 Best-of-N 评判器 2) 作为优化循环中的变异反馈机制 3) 作为编码代理的运行时反馈。在 Terminal Bench 2 上使用 Opus 4.6/Forgecode harness + 自适应分类法 + Best-of-N Judge 达到 89.9%，比固定分类法提升 15%。

Shreya 观察到一个令人担忧的趋势：开发者不断向 harness（系统提示、技能、工具）中追加内容，但从不在新模型发布时做减法。结果：6个月后成本上升，准确性影响不明确。更令人惊讶的是，这个趋势也出现在前沿 LLM 提供商自身的产品中。

Hamel 的核心论点：你需要看数据。如果一个工具能自动发现并修复所有问题，那你的竞争对手也能做到——差异化就消失了。Hamel 同时 RT 了 GPT-5.6 Sol 意外删除用户文件的案例，提醒开发者使用 ChatGPT Hooks 防止模型误操作。

Andrew Ng 引用 Adam Thierer 的"无许可创新"理念，转发了 Thierer 关于美国 AI 治理的关键警告：一个非正式的、不透明的 AI 模型审查制度正在形成。大模型开发商"自愿"配合国安官员的审查要求——但拒绝配合的后果包括模型被下架或失去政府合同。如果这种"限制直到批准"的制度扩展到开源模型，将重演 1990 年代 Clipper Chip 式的计算自由之战。

Nathan 阅读了 AI 2040 报告后评论：很高兴看到报告关注透明度，但在一份如此强调透明度的文件中却不讨论开源，这很奇怪。

Clem 转发 TechCrunch 对他的专访："Hugging Face CEO 谈为什么企业不再租用 AI"。核心观点：企业正在从 API 租用模式转向自建/自部署模型，开源 AI 模型需要尽快成为默认选择。

Mira Murati 发布 Thinking Machines Lab 的世界观声明："人类价值观不能求平均。地方知识无法被集中化。好的未来拥有许多 AI——在不同的地方成长，由服务的人群塑造，像我们一样彼此不同意。" 成立一年来，TML 预览了协作式交互模型，推出了让任何人训练自有开放权重模型的 Tinker 平台，发表了 Connectionism 研究，并完成了由 a16z 领投、NVIDIA/Accel/ServiceNow/CISCO/AMD/Jane Street 参与的 $2B 融资。

LangChain 发布 OpenWiki Brains：面向代理的通用 Wiki 记忆系统。允许代理在文件系统中维护可超链接的结构化知识库。同时 OpenWiki v0.1.1 新增 ChatGPT 账号登录，用户可用已有的 ChatGPT Plus/Pro/Team Codex 额度直接使用。Harrison Chase 组织了 LLM Wiki 网络研讨会，核心洞察："Wiki 即缓存"（常用信息保持热更新）和"Wiki 即超链接页面集合"（随着文件增长，链接比目录结构更重要）。

Google Gemini Trusted Testers 计划更新：首批测试者已入驻，Challenge #1 是测试 macOS 应用中即将发布的未公开功能。Josh 同时分享了 Gemini 用户反馈 Top 10，Workspace 集成可靠性排名第一。

Google AI Studio 推出 Pretty URLs 功能：每个部署的应用可获得 your-own-url.ai.studio 域名，免费。加上此前的"从 GitHub 导入"功能，AI Studio 正从实验工具演变为完整的应用部署平台。Logan 感叹"我们已经进入超级应用时代"。

Hugging Face 近一周更新密集：PyTorch Attention 性能分析（Part 3，关注注意力层性能调优）；NVIDIA 合作：Data for Agents（代理用开放数据集）；Native-speed vLLM transformers backend（vLLM 原生速度推理后端）；SkyPilot 零出口费用存储（在任意云上运行工作负载，数据存储在 HF 无出口费）；LeRobot v0.6.0（机器人学习框架新版本）；Microsoft Foundry Managed Compute（HF 模型在 Foundry 上的一键部署）；Amazon SageMaker Studio 一键集成。

Chollet："代理编码在过去 6 个月的进展令人难以置信。现在是完全不同的世界了。" 他同时注意到一个有趣的社会现象：人类开始自然而然地用 LLM 的风格写作了——这让人与"机器"的区分变得更加困难。

"到目前为止，我相当确定 AI 是净创造就业的。这不是我原先的预期——虽然我比其他人乐观，但我本以为到这个能力水平我们会看到一些影响。这个趋势可能继续！"

"能够感受进步的质感是一种特权，我们将继续推进。" Logan 这条有感而发的推文发布于 Sol Ultra 和 ChatGPT Work 发布后不久，反映了 OpenAI/Google 前沿团队的心态。

Harrison 回应 Aditya Agarwal 的"AI 全栈梦想"推文（云端代理+任意模型+任意 harness+全追踪+递归改进），直接列出 LangSmith 的对应能力矩阵。这是一种越来越自信的平台定位。