主题：这一天最值得记的不是某个模型，而是「谁来验收」。 OpenAI 一次性公开数学、计算机科学、物理三项由内部模型产出的研究结论，证明放上 GitHub，主动请学术界来验伪——这是首次有实验室把「模型做科研」摆到台面上接受审查。产业侧则是另一组对照：IBM CEO 用「90% 的效果、10%~25% 的成本」给开源权重定了价，蚂蚁百灵把 Personal Agent 所需的 base 与后训练模型一起开源；而具身智能这边，Physical Intelligence 零营收冲到 200 亿美元估值，红旗连锁却在做了 16 个月机器人售货后选择终止——同一个赛道的两端，落差很明显。
🔥 1. OpenAI 一次性公开三项模型科学发现：数学、计算机、物理各一 — 1000 pts
比结果更值得看的是做法：证明放上 GitHub，主动请学术界来验伪。
OpenAI 称其内部模型在三个领域各产出一项独立发现。数学：证明了所有维度的局部光滑化猜想，并顺带解决 Kakeya 猜想与 Stein 限制猜想——去年王虹刚证三维 Kakeya，这次是基于 Wang–Zahl 结果往高维推进、拆掉了 4 维这道屏障。计算机科学争议最大：模型推翻了被复杂度学界信奉近 30 年的指数时间假设（ETH），若成立意味着某些问题可能找到更快的算法。物理：给出量子色动力学与杨-米尔斯理论的严格数学存在性证明，后者是七大千禧年问题之一。数学与计算机两项已过 Lean 形式化验证、证明公开在 GitHub 的 openai/math；OpenAI 自述「尚需学术界进一步独立确认」。
→ https://www.oschina.net/news/503268
→ https://github.com/openai/math
🔥 2. 蚂蚁百灵开源 Ling-3.1-flash-1019：560B 总参、25B 激活，主攻 Personal Agent — 960 pts
同步放出 MIT 许可的 base 权重，那才是能继续预训练的一层。
蚂蚁百灵开源 Ling-3.1-flash-1019，在 Artificial Analysis Intelligence Index v4.3.2 得 44 分、较上一版提升 3 分。面向 Personal Agent 的进步看具体项：复杂知识工作 AA-Briefcase 从约 1400 升到 1524 Elo，GDPval-AA 1618→1644，流程自动化 AutomationBench-AA 从 62% 升到 68%，科学求解 CritPt 18%→26%、SciCode 54%→57%。更值得看的是它同时开源了 Ling-3.1-flash-base：混合线性 MoE，总参约 560B、每 Token 激活约 25B，以 BF16 与 MIT 许可开放，47 项基准中 32 项超过 DeepSeek-V4-Pro-Base 与 MiMo-V2.5-Pro-Base——这一层才是开发者能拿去做继续预训练与领域适配的。背后的产品需求也很明确：灵光 2.0 于 10 月 27 日升级为「能管事的个人 AI 助理」，靠跨会话记忆、长程任务调度与独立云主机，在用户退出对话后仍能继续推进任务。
→ https://www.qbitai.com/2026/10/505928.html
→ https://hf-mirror.com/inclusionAI/Ling-3.1-flash-1019
🔥 3. 无问芯穹在英伟达 GPU 算子榜拿下 88 项单题第一，超亚军两倍 — 930 pts
同一张榜上，面壁昨天刚在 FlashInfer-Bench 赛道称第一——两家中国团队形成 1-2。
在 NVIDIA Research 的 SOL-ExecBench 上，无问芯穹先后登顶 L1 基础算子、L2 融合算子、Quant 量化与 FlashInfer-Bench 推理四大赛道。截至 10 月 26 日：L1 与 Quant 总分全球第一，L2 与 FlashInfer-Bench 总分第二；235 道取自真实前沿模型的算子题中拿下 88 项单题第一，为所有团队之首、超过第二名数量的 2 倍；L2 的 82 道题里拿到 39 项第一，接近半数。该榜以硬件性能上限 SOL Score 为参照，参赛者包括 Databricks、SF Tensor、Cursor、Recursive 等，已有 583 支团队累计提交超 3.1 万次。串起来看更有意思：昨天面壁 ForgeKernel 刚宣布在 FlashInfer-Bench 赛道登顶。
→ https://www.qbitai.com/2026/10/505956.html
🔥 4. 零营收、估值 200 亿美元：Physical Intelligence 又要融 10 亿 — 900 pts
去年 11 月还是 56 亿，一年内被推到接近 4 倍。
据彭博社，机器人 AI 公司 Physical Intelligence 正洽谈至少 10 亿美元新融资，投后估值预计约 200 亿美元，现有投资方 Avenir 与 Lux Capital 考虑领投。它的估值曲线很陡：去年 11 月融 6 亿时估值 56 亿，今年早些 115 亿，现在冲向 200 亿。投资人名单包括 Alphabet 旗下 CapitalG、Thrive、红杉，贝索斯本人也早早下注。值得注意的是它至今没有任何商业营收，也不造机器人硬件——定位是适配各类第三方硬件的通用机器人基础模型。对照同赛道的 Skild AI：今年 1 月估值 140 亿，且 ARR 已破 1 亿美元。PI 的溢价，买的是「物理世界基础模型的入场券」。
→ https://www.qbitai.com/2026/10/506042.html
🔥 5. Anthropic 工程经理砍掉传统编程面试：「它不再提供有效信号」 — 880 pts
他的替代建议不是给「初级」，是给「没有社会资本、地位或权力的工程师」。
Anthropic 工程经理 Felix Rieseberg（管过 Claude.ai、Cowork 与 Claude Code Desktop）本月把传统编程面试从流程里去掉。理由很直接：让你现场写个小 React 挑战，跟考你汇编语言一样没有意义——Claude 两样都比人写得好；「我们最有产出的构建者，无论这项测试考得多好都能成功」。他的结论反而乐观：相对更初级的工程师正在超过那些代码写得更好、干得更久的人，「饥饿感胜过资历」。五条建议里最硬的一条是：挑一个激进的想法，周末就做出能跑的原型，直接跳过写 PRD、争取各方支持、排队等设计师与 PM 那一套流程。例子就在 Anthropic 内部：两名较新工程师用一个周末做出 Claude Code 的图形界面原型，约八天后首个公开版本发布。
→ https://www.oschina.net/news/503275
🔥 6. IBM CEO 算了一笔账：开源权重模型 90% 的效果，10%~25% 的成本 — 860 pts
「90% 的性能、10% 的价格、两三个机架，很难被击败。」
IBM CEO Arvind Krishna 在 Q3 财报电话会上把 2024 到 2026 的差距摆成一条线：2024 年做宽口径基准测试，最好的闭源模型能打 70 分、开源只有 20 到 30 分；2025 年底缩到 70 比 50；现在开源能做到闭源 90% 的效果，只花 10%~25% 的 token 成本。他反问：「你想要 10% 价格、90% 水平的东西，还是愿意付十倍的钱？」并判断绝大多数企业会选便宜的。他还说企业对本地部署 AI 基础设施的兴趣正在暴涨，多数公司两三个机架就够。但他也坦白企业会卡在「怎么搞」：内核工程师在哪、谁管底层网络、怎么做结果缓存。这番话客观上也在为 IBM 的本地部署软件与 Spyre 加速卡铺路。
→ https://www.oschina.net/news/503263
🔥 7. 分子之心 MMDesign：19 个项目 18 个成功，6 个 GPCR 靶点全部命中 — 840 pts
每个项目只测 9–50 个候选分子，中位数 21 个。
分子之心发布 AI 蛋白质从头设计平台 MMDesign 的技术报告：覆盖 18 个靶点、纳米抗体（VHH）与大环肽两类模态共 19 个项目，每个项目仅测试 9–50 个候选（中位数仅 21 个），18 个项目获得经湿实验确认的结合分子，项目成功率 94.7%；453 个受测候选中 139 个确认结合，候选命中率 30.7%。最能说明技术成色的是 GPCR：CCR7、CCR8、EP2、GPR68、NK3R、A2AR 六个靶点全部成功，最优亲和力均达纳摩尔级，其中 NK3R 的 30 个候选全部命中（100%）。在 Thera-SAbDab 查无先例的 5 个 GPCR 靶点上，89 个设计中有 53 个结合（59.6%），这是「闭卷作答」的真实水平。跨轮次还能优化：PDGFR 命中率 4.0%→21.1%，最佳 KD 从 150 降到 37 纳摩尔。
→ https://www.qbitai.com/2026/10/506055.html
🔥 8. 逐际动力 FluxVLA Engine V2：同一套产线接 14 种策略，推理频率最高提 9.64 倍 — 800 pts
它的目标是让「换模型就得重写工程」这件事不再发生。
逐际动力更新开源工程底座 FluxVLA Engine 的第二版技术报告（今年 4 月 8 日首次开源）。V2 新增在线强化学习后训练实验，并扩大仿真评测与真机部署覆盖：仿真侧 14 种策略接入同一套 LIBERO 闭环评测，RoboCasa GR-1、RoboTwin 与 RoboDojo 各有 8 种策略的接入结果；推理端 8 组模型与设备组合实测，优化后的推理路径频率提升到 2.31–9.64 倍。在线 RL 的效果给了具体数字：以 SmolVLA 为例，在 LIBERO-10 与 RoboTwin Clean 十项任务上成功率分别提升 10.0 与 15.4 个百分点。真机侧在 ALOHA、Rebot、双臂 Franka 与自家全尺寸人形 LimX Oli 上验证了从 checkpoint 直达闭环执行。四条设计原则是统一配置、模块解耦、面向部署优化、实验可复现。
→ https://www.qbitai.com/2026/10/506098.html
→ https://github.com/FluxVLA/FluxVLA
🔥 9. 四川便利店龙头的机器人售货项目，做了 16 个月后终止 — 780 pts
公告当天股价涨停，16 个月后换来一句「未达大规模商业化标准」。
红旗连锁 2025 年 3 月公告要研发「机器人无人售货系统」，次日股价涨停、到 4 月下旬较公告前上涨约 35%。2026 年 7 月，公司公告终止该项目，理由是系统暂未达到大规模商业化落地标准，转而发展 24 小时云值守业务。公司当初自己就列过三条短板：密集货架与异形商品下机械臂抓取失误率高；不同光照条件下视觉识别容易偏差；既要灵活避障又要维持传输稳定。业内人士补充了更具体的现场问题：夏季玻璃瓶冷饮易结水珠、机器人拿不稳总摔碎，货架间过道窄、周围还有顾客与店员走动。研发投入按年报推算在 280 万元量级（2025 年报研发费用 286.68 万元）。一位从业者的评价很直白：花 200 多万就想解决零售机器人，具身公司就没有存在价值了。
→ https://www.qbitai.com/2026/10/505955.html
🔥 10. qOntology 本体工程平台开源：把「供应商还是供方」这类问题工程化 — 740 pts
本体建模解决「怎么表达」，本体工程解决「怎么检查、发布与维护」。
qOntology 本体工程平台开源版亮相，面向企业本体建模与语义管理场景。它切的痛点很具体：采购系统里的「供应商」与合同资料里的「供方」是不是同一个业务概念？供应商与采购订单、物料、组织之间又该怎么描述关系？这些在数据整合与智能体应用之前必须先统一。与只画关系图的工具不同，它把「目标与范围 → 术语与语义 → 本体建模 → 质量检查 → 版本发布与标准导出」组织成一条工程链路：当前开源版覆盖目标管理、术语枚举、对象类型、属性与对象关系；质量检查、版本发布与标准导出列为后续能力。定位也说清了——平台只负责语义模型本身，数据接入、知识抽取执行与业务查询仍需配合相应的数据与应用系统。
→ https://www.oschina.net/news/503276
📌 今日趋势总览
本文原创作者：易君召，详见：https://www.yijunzhao.cn/authors/yijunzhao，转载请注明出处。
原文链接
欢迎访问 小易撩挨踢