OpenAI dropper hundredvis af AI-skrevne matematiske beviser og efterlader feltet i kaos
OpenAI har lige skovlet 372 matematiske resultater ind i et GitHub-lager fra en uudgivet frontier-model. The Verge tæller 722 manuskripter på tværs af 372 resultatfamilier. Mange beviser er allerede tjekket i Lean, så logikken er sandsynligvis fin, selvom nyhedsværdien stadig er ukendt.
Virksomheden hævder at have vundet den firedimensionelle Kakeya-formodning, foretaget justeringer af større algoritmer og endda foretaget "faktiske fremskridt" i retning af Riemann-hypotesen. En talsperson fortalte Scientific American, at næsten alle resultater kom fra en enkelt prompt til en enkelt agent - ikke den multimillion-dollar sværm på 10.000 agenter, der knækkede Navier-Stokes tidligere. Gennemsnitlig pris: cirka tre timers ChatGPT Pro-tænkning.
Matematikerne jubler ikke alle sammen. Andrew Sutherland fra MIT sagde grundlæggende: vis modellen, eller behandl engangshistorien som ubekræftet. OpenAIs egen rådgivende gruppe ønskede prompts, modelnavne og beregningskvitteringer. OpenAI offentliggjorde i stedet gennemsnit og nogle Lean-formaliseringer. "Vi dumpede beviserne, fortæl venligst" er en dristig forskningsstrategi.
Mistral afslører Large 4, en "Le Chonk" med en parameter på 1 billioner, der sigter mod overlegenhed i åben vægt
Det franske laboratorium Mistral åbnede en offentlig forhåndsvisning af Mistral Large 4 - uofficielt ML4, "meget officielt: le Chonk". Det er en native multimodal blanding med 1 billion samlede parametre og 49 milliarder aktive. Vægtene er lovet inden månedens udgang efter samarbejde med partnere og regeringer.
Træningen blev udført på 3.800 NVIDIA Grace Blackwell GPU'er i Mistrals egne europæiske datacentre. Sagen er suverænitet plus bid: cybersikkerhed, finans, jura, chipdesign. I en cybertest fra Artificial Analysis, der beder en model om at reproducere og lappe en reel sårbarhed, siger Mistral, at ML4 scorede 82% - den højeste af alle modeller - mens nogle lukkede giganter nægter og scorer tæt på nul.
Så Europa ønsker stadig en tredje vej mellem lukkede amerikanske laboratorier og kinesiske åbne vægte. Om det holder, er en anden sag. Selve kaldenavnet antyder, at de ved, hvor absurd parameterkapløbet ser ud udefra.
Claude flytter til Google Docs, Sheets og Slides som en sidebar fra første part
Anthropics Claude til Google Workspace er i offentlig betaversion på betalte abonnementer. Installer Marketplace-tilføjelsen, åbn en fil, og Claude sidder i en sidebjælke, der kan læse dokumentet og redigere det på stedet. Nye forbindelser giver dig også mulighed for at oprette og justere Google-filer fra selve Claude-chatten.
I Docs kan den rette en sætning uden at ødelægge formateringen eller flyde større omskrivninger som forslagskort. Sheets henter formler, pivoter, diagrammer og endda en Python-omvej til sammenfiltrede join-sekvenser. Slides kan oprette nye slides fra dit eksisterende tema og derefter markere overlappende uønskede elementer. Standardtilstanden spørger før redigeringer. Der er en "Accepter alle"-tilstand, hvis du kan lide at leve farligt.
Gemini bor allerede her, og Microsoft Copilot laver Office-versionen - nogle gange på Anthropic-modeller, hvilket er en sjov lille modsigelse. Claude forsøger nu at være AI-laget i begge økosystemer. Kald det produktstrategi, eller bare nægter at vælge side. Begge, sandsynligvis.
Meta og Sierra udarbejder en personlig agentprotokol, så butikker kan skelne gode bots fra dårlige
Sierra og Meta bygger sammen med Genesys, Instinct, Rocket, Shopify, Stripe og Walmart en åben standard for, hvordan personlige AI-agenter kommunikerer med virksomheder. Forbrugerne vælger, hvad deres agent har adgang til. Virksomheder bestemmer, hvad agenter må gøre på websteder, API'er eller gennem en virksomhedsagent. Sessioner er baseret på OAuth.
En v0.1-specifikation og referenceimplementering forventes senere på måneden. Bret Taylors formulering er direkte: det er lidt kaos, indtil noget lignende eksisterer. Amazon har blokeret Metas Muse. Walmart er partner med Muse og oplever stadig, at CAPTCHA-friktion sparker agenter ud. Flyselskaber og andre trækker strengere grænser.
OpenAI og Anthropic er ikke med endnu. Taylor siger, at han ville blive meget skuffet, hvis rivalerne springer det over. Ærlig talt for en standardlancering. Også lidt akavet, når OpenAI-formanden er med til at skrive protokollen.
OpenAIs Decisions API går i offentlig beta for hurtige ja-eller-nej-svar
OpenAI udsendte Decisions API'en i offentlig beta på gpt-6-luna via POST /v1/decisions. Indtast tekst, billeder eller begge dele, og få indtastede svar cirka 10 gange hurtigere end med Responses API'en - en sandsynlighed for, at en betingelse er sand, et valg fra din liste eller en score i forhold til ordnede niveauer.
Tænk på at sende en klage over "dobbelt betaling" til faktura eller markere et produktfoto for en crack. Billeder skal være inline base64. Prisen er $0,10 pr. million input-tokens, uden gebyr for output-tokens på dette endpoint. Der findes ingen dataopbevaring og HIPAA-stier for berettigede kunder.
Den blev vist i en begrænset forhåndsvisning på DevDay og er nu åben. GA er "kommende uger". Dette er det, som usexede VVS-produkter har brug for - klassifikatorer uden at skulle skrive en roman hver gang.
Google DeepMinds EmbeddingGemma 2 pakker tekst, billeder, lyd og video ind i ét vektorrum på enheden
EmbeddingGemma 2 er en Apache 2.0-model med 740 millioner parametre, der mapper tekst, kode, billeder, video og lyd ind i et delt 768-dimensionelt rum. Bygget på Gemma 4. Rettet mod telefoner og anden begrænset hardware, ikke endnu en gigantisk cloud-only embedder.
Indlæs kun det, du har brug for: 270M til tekst, tilføj billedmateriale eller lyd, eller tag hele stakken. Matrjosjka-trunkering kan krympe vektorer ned til 128 dimensioner for op til 6 gange mindre lagerplads. Kontekst er 8K tokens - nok til cirka 5,5 minutters lyd eller snesevis af billeder. Google siger, at MTEB-koden steg næsten 10 point i forhold til den første EmbeddingGemma.
På en Pixel 11 Pro med kvantisering kræver tekst-kun-vægte omkring 191 MB aktiv RAM; fuld multimodal omkring 567 MB. Den originale tekstmodel har allerede passeret 20 millioner downloads. De mere stille Google-lanceringer betyder nogle gange mere end de prangende.
Sydkoreas videnskabsminister fordobler sit arbejde med en grænsebaseret AI-udfordring på 3,5 milliarder dollars efter Mythos
Ved en parlamentarisk revision udtalte vicepremierminister Bae Kyung-hoon, at Seoul vil beholde sit projekt med en statslig fundamentmodel og tilføje et separat AI-program for grænseområder. Han forbandt presset på 4,7 billioner won (3,5 milliarder dollars) med "Mythos-chokket" omkring Anthropics Claude Mythos og cybersikkerhedstrusler.
Den suveræne indsats bestod en anden evaluering og er på vej ind i en tredje. Bae kaldte de nuværende resultater for mellemniveau globalt og ønsker noget, der minder mere om førende åbne systemer. Han lancerede også en "AI for All"-tjeneste - gratis, ingen forbrugslofter - inden årets udgang, plus megaprojekter inden for datacentre, fysisk AI og chips.
Så historien er ikke "aflys hjemmemodellen." Den er "tilføj en større, mere skræmmende bane ved siden af." Nationale AI-løb bliver ved med at blive dyrere. Om 3,5 milliarder dollars er nok mod amerikansk og kinesisk skala er uafklaret. Bae synes, at det er værre at sidde stille.
Ofte stillede spørgsmål
Hvad dumpede OpenAI ind i GitHub med sin uudgivne frontier-matematikmodel?
OpenAI offentliggjorde 372 matematiske resultatfamilier - omkring 722 manuskripter - fra en uudgivet frontiermodel. Mange beviser er allerede testet i Lean. Virksomheden hævder fremskridt med den firedimensionelle Kakeya-formodning, algoritmejusteringer og arbejde hen imod Riemann-hypotesen. En talsperson sagde, at næsten alle resultater kom fra en enkelt prompt til en enkelt agent, hvilket i gennemsnit var cirka tre timers ChatGPT Pro-tænkning - ikke en enorm sværm af flere agenter.
Hvorfor er matematikere skeptiske over for OpenAIs historie om engangsbeviser i matematik?
MITs Andrew Sutherland opfordrede OpenAI til at vise modellen eller behandle engangspåstanden som ubekræftet. OpenAIs egen rådgivende gruppe ønskede prompts, modelnavne og beregningskvitteringer. I stedet offentliggjorde virksomheden gennemsnit og nogle Lean-formaliseringer. Beviserne kan muligvis formelt blive godkendt, men nyhedsværdien og den enkelte agent-fortælling forbliver omstridt, indtil mere fyldestgørende beviser fremkommer.
Hvad er Mistral Large 4, og hvornår ankommer vægtene?
Mistral Large 4 - også kaldet ML4 eller "Le Chonk" - er en multimodal blanding af eksperter-model med 1 billion parametre i alt og 49 milliarder aktive. Den blev trænet på 3.800 NVIDIA Grace Blackwell GPU'er i Mistrals europæiske datacentre. En offentlig forhåndsvisning er nu tilgængelig; de fulde vægte er lovet ved månedens udgang efter samarbejde med partnere og regeringer. Mistral præsenterede use cases inden for cybersikkerhed, finans, jura og chipdesign.
Hvordan fungerer Claude i Google Docs, Sheets og Slides?
Claude til Google Workspace er i offentlig betaversion på betalte abonnementer via et Marketplace-tilføjelsesprogram. Det sidder i en sidebjælke, der kan læse en fil og redigere på stedet, eller oprette og justere Google-filer fra Claude-chatten. I Docs kan det rette sætninger eller flyde forslagskort; Sheets henter formler, pivoter, diagrammer og valgfri Python; Slides kan minte slides fra dit tema. Standardtilstanden spørger før redigeringer; en "Accepter alle"-tilstand springer prompterne over.
Hvilket problem forsøger Meta og Sierra Personal Agent Protocol at løse?
Personlige AI-agenter rammer ofte CAPTCHA'er eller blokerer direkte, når de shopper eller ringer til virksomheds-API'er. Sierra og Meta udarbejder sammen med partnere som Genesys, Shopify, Stripe og Walmart en åben standard, så forbrugerne styrer agentadgang, og virksomheder angiver tilladte handlinger via OAuth. En v0.1-specifikation og referenceimplementering forventes senere på måneden. OpenAI og Anthropic er ikke klar endnu.
Hvornår bør man bruge OpenAIs Decisions API i stedet for Responses API?
Brug Decisions API'en, når du har brug for et hurtigt indtastet ja-eller-nej-svar - en sandsynlighed for, at en betingelse er sand, et valg fra en liste eller en score på ordnede niveauer. Den kører på gpt-6-luna via POST /v1/decisions, accepterer tekst og inline base64-billeder og er cirka 10 gange hurtigere end Responses API'en. Prisen er $0,10 pr. million input-tokens uden gebyr for output-tokens. Der findes ingen dataretention og HIPAA-stier for berettigede kunder; GA forventes i de kommende uger.
Hvad gør Google DeepMinds EmbeddingGemma 2 nyttig på telefoner?
EmbeddingGemma 2 er en Apache 2.0-model med 740 millioner parametre, der mapper tekst, kode, billeder, video og lyd ind i ét 768-dimensionelt rum. Du kan kun indlæse tekst (270 MB), tilføje billed- eller lydbilleder eller tage hele stakken. Matrjosjka-trunkering kan krympe vektorer til 128 dimensioner for op til 6 gange mindre lagerplads. På en kvantiseret Pixel 11 Pro kræver tekst-kun omkring 191 MB aktiv RAM og fuld multimodal omkring 567 MB med en 8K-token-kontekst.