2026-10-27

OpenAI 公布与学术社区合作的研究成果，声称在调和分析与 Kakeya 猜想、复杂性理论和量子场论三个方向取得发现，其中最引人注目的是“指数时间假设（ETH）为假”。评论中引述的公告还称，模型于 2026 年 9 月 9 日生成 Yang–Mills 存在性的自然语言证明、9 月 18 日生成 QCD 证明，并等到 Lean 形式化完成后才发布，Yang–Mills 部分的形式化于 10 月 16 日完成。上述结果目前仅是 OpenAI 的声明，所给材料没有提供独立验证或论文细节，因此应视为待核实的重大主张。

Anthropic 的 S-1 注册文件已在 SEC 公开，为外界审视这家前沿 AI 公司的财务、算力承诺和 AI 市场风险因素提供了正式文件；Hacker News 的讨论也集中于此。当前材料没有提供文件正文，评论中引用的对 Google 1140 亿美元、AWS 1100 亿美元、Broadcom 1610 亿美元和 SpaceX 1200 亿美元的承诺，以及营收和单位经济效益数字，均无法从现有摘录核实。这些应被视为未确认的社区陈述，而非已核实的披露。

微软在 pylance-release 仓库发布 Type Server Protocol（TSP）文档，提出一套仅面向 Python 的类型检查服务器协议，供编辑器、IDE 与类型检查工具对接使用。该文档目前是提案而非已交付的通用标准，具体实现和跨工具兼容性尚未由来源内容说明。相关讨论集中在协议命名、LSP 是否已足够，以及 Python 类型检查器生态碎片化的问题上。

微软正向约四分之一员工提出大规模买断方案，这是面向内部员工的离职激励，而非已确认的强制裁员。现有报道未提供具体人数、适用地区、补偿标准或截止时间；评论中提到的约 6 万人是社区说法，不能视为公司确认的数据。该方案的实际影响取决于员工接受率以及公司后续是否裁员，目前均无公开细节。

Sebastian Raschka 推出了一套从零构建推理模型的视频课程，面向希望按步骤理解推理模型实现过程的学习者。课程以视频形式提供，但现有信息未披露时长、价格、是否附带代码以及练习所需算力，因此其完整范围和上手门槛仍不明确。

OpenAI 发布 GPT-6.1 Terra，主打视觉理解与电脑操作，并已向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户开放。标准 API 定价为每百万输入 token 1 美元、每百万缓存输入 token 0.05 美元、每百万输出 token 5 美元，较 GPT-5.6 Terra 低 50%。发布信息称，其在基准测试中比 GPT-5.6 Terra 高 15 个百分点、成本约为三分之一，低推理强度下错误率从 53.6% 降至 16.7%。

Python 指导委员会此前要求 JIT 维护者在六个月内提交并获批一份标准跟踪 PEP，明确维护承诺、兼容性和成功指标，否则就须从 CPython 主线移除该 JIT。维护者随后提出 PEP 836，但在数月讨论后将其撤回。这个 JIT 于 2024 年为 CPython 3.13 加入，属于实验性功能；随着 PEP 撤回，这项主线 JIT 开发实际上已告终止，代码也预计将从主线移除。

iFixit 拆解苹果首款折叠机 iPhone Duo，给出 5/10 的可维修性评分，并称这是其拆过的折叠手机中最高分。拆解显示电池可通过通电脱胶，外屏拆解相对简单；但内屏一旦损坏，保修外更换需 999 美元。屏幕表面的纳米纹理层利用散射反射遮盖折痕，子像素呈椭圆形且朝向不一。对于部分用户遇到的屏幕开裂，iFixit 推测与铰链某部分下沉不到位、挤压附近排线有关，而非已确认的根因。

rss · ByteByteGo · 10月26日 15:30 「背景」 Salesforce 首版 Agentforce 把规则、数据查询和工具说明全放进一个提示词，规则一多模型就漏指令；在医疗、招聘等场景，这不可接受。 「方案」 新架构把四项职责移出提示词：Agent Script 用代码写确定性规则，经 Agent Graph 由 Atlas 引擎执行，只在推理时调用模型；Data 360 跨源取数、对齐字段并解析身份，生成统一画像；Agent Context Engine 负责解析、规划、排序、治理和编译上下文，只送入当前问题所需数据；Agent Identity 给智能体独立身份，执行前同时校验用户与智能体权限。对外，AIforce 与 Headless Toolkit 通过 API、skills 和 MCP 接入 Slack、Claude，MCP Server 以 discover、describe、dispatch 等四个工具按需检索工具定义，避免数百个工具占满上下文。Salesforce 称首版约 8 条指令后模型开始丢规则，IFScale 中最强模型在 500 条指令下也只遵循 68%；其演示称上下文引擎把同一问题的输入从 12.4 万 token 降至 9 千。作者提醒代码只适合可预测部分，并追问 ACE 治理时用的是用户与智能体权限的交集，还是只看用户权限？若是后者，智能体仍可能把无权调用的数据编进回答。 「启示」 作者的核心结论是：智能体可靠性来自代码、数据、上下文和身份系统的分层约束，而非更长的提示词；但 Salesforce 的效果多为厂商叙述，权限一致性等细节仍待验证。 标签: AI agents, agent reliability, context engineering, Salesforce Agentforce, MCP