# get merge: 2026年9月9日星期三

由 AI 翻译。相较于[英文原文](https://getmerge.ai/2026-09-09.md)，部分措辞或含义可能不准确。

从 5 份通讯整合了 23 条资讯

AI 与设计资讯，每日聚合。 每个工作日收到简明摘要，并附上原文链接。

https://getmerge.ai/2026-09-09?lang=zh

## 摘要

- OpenAI 称，一个“能力显著强于 GPT-6 Astra”的未发布模型证明了纳维-斯托克斯（Navier-Stokes）方程可能出现爆破（奇点）——动用了 10,000 个智能体，耗时 88 小时，并在 Lean 中完成验证——然而在公告发布结束前，与 NYU 的 Tristan Buckmaster 之间关于归属权的争议就已经开始了。
- ChatGPT Images 2.5 于同日发布：速度比 Images 2.0 快 50%，编辑更精准（仅修改你要求的部分），支持草图输入，并推出两个 API 模型（Flare、Sunburst），定价为旧费率的 2 倍。
- Meta 推出了 Muse，这是一款运行在独立云端 VM 中的个人智能体，需要连接你的电子邮件、日历和支付账户——其隐私宣传固然真实，但 Meta 的过往记录也同样真实。

## 头条新闻

- **OpenAI：10,000 个智能体在 88 小时内攻克了有着 90 年历史的数学难题**. 纳维-斯托克斯（Navier-Stokes）方程是七个奖金 100 万美元（$1M）的千禧年大奖难题之一：它探讨流体方程在平滑初始条件下是否会“爆破”（blow up）并产生无限大的速度。OpenAI 声称：一个未发布且被描述为能力显著强于 GPT-6 Astra 的内部模型发现了一个奇点——即在流体能量保持有界的情况下，一个涡旋不断收紧并加速旋转——该过程并行使用了大约 10,000 个智能体，产生了 2.7M 条智能体消息和约 130B 个输出 token。随后，GPT-6 Astra 在证明检查软件 Lean 中对该证明进行了形式化和验证。据 OpenAI 称，计算成本高达数百万美元。来自 The Neuron 的客观解读：这并非单一模型迎来了“牛顿时刻”，而是靠重金堆砌出的海量并行思考——请开始根据一个系统在拥有足够智能体、工具和算力时的表现来评判前沿 AI，而不是看聊天机器人能回答什么。 信息来源: AlphaSignal, The Neuron, The Rundown AI, The Deep View. [1](https://openai.com/index/navier-stokes-solution/) [2](https://cdn.openai.com/pdf/32d9f210-8b73-45e0-91bc-82a30aef8a9a/navier-stokes.pdf)
- **纳维-斯托克斯方程归属权之争：Buckmaster 对阵 OpenAI**. NYU 数学家 Tristan Buckmaster 和 Anthropic 的 Levent Alpöge 曾花了一年时间研究攻克纳维-斯托克斯方程的类似路径，他们将草稿输入 Codex，并在 OpenAI 发布公告的前一晚公布了部分成果。Buckmaster 在声明中表示，OpenAI 是在听说他们的工作后才开始行动的，且从未回应他的 Codex 草稿是否被用于训练该模型。OpenAI 的 Mark Chen 否认看过他们的研究成果——“那将是对用户信任的巨大背叛”——但同时承认无法排除使用数据的可能性。Sebastien Bubeck 则表示，OpenAI 是在听到 Anthropic 接近成功的传闻后才采取行动的。这场争论虽然转移了人们对实际成果的注意力，但它提出了一个关于训练数据来源的现实问题，而 OpenAI 尚未对此给出清晰的回答。 信息来源: The Neuron, The Rundown AI, The Deep View. [3](https://cims.nyu.edu/~tristanb/statement.pdf) [4](https://techcrunch.com/2026/09/08/openai-fought-dirty-on-career-making-math-problem-says-nyu-mathematician/) [5](https://www.wired.com/story/openai-navier-stokes-math-discovery-academics/)
- **ChatGPT Images 2.5：速度更快、仅编辑指定内容、支持草图输入**. 全新的 Flare 模型以比 GPT-Image-2 低 50% 的延迟提供了更高质量的图像，其中编辑功能的升级尤为值得关注：更换夹克而无需移动主体，修改文字而无需重排构图。主体在多次编辑后依然能保持更高的辨识度。在应用中，输入 @ Sketch 即可手绘出你想要的内容。此次推出了两个 API 模型：Flare 用于快速的日常生成，Sunburst 用于精准编辑——两者的定价均为 GPT-Image-2 费率的 2 倍。直到今天之前，Images 2.0 仍在图像排行榜上占据榜首或名列前茅，因此 OpenAI 唯一需要击败的模型只有它自己。 信息来源: AlphaSignal, The Neuron, The Rundown AI, The Deep View. [6](https://openai.com/index/introducing-chatgpt-images-2-5/)
- **Meta 推出 Muse：运行在独立云端 VM 中的个人智能体**. Muse 在安全的虚拟机内执行任务——预订、收发邮件、购物，以及在没有 API 的情况下自行编写集成代码——并配有一个独立的“哨兵”（sentinel）智能体，负责在进行购买等敏感操作前处理安全与审批流程。Zuckerberg 表示，该服务每周提供高达 100M tokens 的免费额度，超出后提供每月 $20 或 $100 的订阅档位，目前仅限美国地区使用。但代价是：为了发挥实际作用，它需要连接你的日历、电子邮件和支付平台。Meta 强调将在今年晚些时候推出加密密钥的“机密虚拟机”（Confidential VMs）且不会共享广告数据，但 The Deep View 提出了反面论据：Meta 在今年 8 月因设计令儿童成瘾的平台而达成了 $18B 的和解协议，此外还有 Cambridge Analytica 的历史黑料。治理研究员 Miranda Bogen 指出：对于一个能够自主行动的智能体而言，风险在于银行账户和医疗记录，而不仅仅是令人反感的广告——目前的保障措施“看起来严重不足”。 信息来源: The Neuron, The Rundown AI, The Deep View. [7](https://ai.meta.com/muse/) [8](https://www.thedeepview.com/articles/meta-s-ai-agent-ambitions-run-into-a-trust-gap)
- **Mistral 融资 €3B——创下欧洲科技史上最大规模股权融资纪录**. Mistral 在 D 轮融资中筹集了 €3B（约合 $3.5B），估值达到 €21B，比一年前翻了近一番。其主打卖点是数据主权：你可以自行下载并运行的开放权重模型、确保数据留在本地的区域绑定推理，以及到 2030 年实现 1GW 的欧洲计算容量。目前已有超过 125 家企业客户，包括 Airbus 和 HSBC。这场豪赌的核心是：在不被绑定到美国云服务的前提下，提供前沿的模型性能。 信息来源: AlphaSignal, The Rundown AI, The Deep View. [9](https://mistral.ai/news/mistral-makes-sovereign-open-weight-ai-to-frontier/)
- **DeepMind 绘制出全部 90 亿种潜在 DNA 突变的预测影响图谱**. AlphaGenome Atlas 是一个免费、可搜索的预测图谱，展示了人类基因组中每一个可能的单字母变化在分子层面上会产生什么影响。其价值在于广度：它不再需要针对每次突变进行单独实验，而是提供了一份涵盖整个基因组的查找表。给设计师的注记——当“AI for science”（科学智能）作为基础设施而非演示 Demo 交付时，就是这个样子。 信息来源: AlphaSignal, The Neuron, The Deep View. [10](https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/)

## 深度精选

- **Sony AI 的工具从 1.5M 个假设中预测出两项真实的衰老基因发现**. 这是一个开源的假设生成器，其预测随后得到了实验证实——这是罕见的“AI 提出假设”随后“实验室加以验证”的成功案例。 信息来源: AlphaSignal. [11](https://arxiv.org/abs/2609.04494)
- **推理模型会产生分形结构——这解释了“过度思考”现象**. 该论文追踪了推理模型在面对难题并探索解空间时所呈现出的一种几何结构，并将其与人们称之为“过度思考”（overthinking）的算力浪费行为联系起来。 信息来源: AlphaSignal. [12](https://arxiv.org/abs/2609.04963)
- **Cognition 以 $48B 估值融资 $2B；自 5 月以来营收翻倍至 $900M**. 这家 Devin 背后的开发商在不到一年的时间里估值翻了三倍。无论单个模型的发布情况如何，智能体编程领域的资金依然源源不断。 信息来源: The Neuron, The Deep View. [13](https://cognition.com/blog/series-e)
- **Google Cloud + Accenture：派出 1,000 名驻场 AI 工程师**. 一个全新的 Gemini Enterprise 部门将 AI 工程师直接派驻到客户组织内部。企业级 AI 市场正在围绕服务（而不仅仅是软件）进行整合。 信息来源: The Neuron, The Deep View. [14](https://www.wsj.com/cio-journal/google-cloud-accenture-launch-unit-to-put-ai-engineers-on-site-with-customers-698a8628)
- **Qualcomm 与 Amazon 就 AWS 达成多代 AI 芯片协议**. 为 AWS 数据中心提供定制 AI 推理芯片及高速连接方案——据 CNBC 报道，这是一笔价值 $4B 的交易。这进一步证明了推理硬件领域正在上演跑马圈地。 信息来源: The Neuron, The Deep View. [15](https://www.cnbc.com/2026/09/08/qualcomm-amazon-data-center-infrastructure-deal.html)
- **更优的数据胜过更优的架构：2019–2025 年间预训练收益对比约为 ~12x vs ~3.7x**. Dwarkesh Patel 和 Jerry Han 估计，自 2019 年以来，训练数据的改进带来了大约 12x 的预训练效率提升，而架构和训练配方的改进仅带来约 3.7x 的提升。如果这一结论成立，那么数据管道的重要性大约是模型设计的三倍。 信息来源: The Neuron. [16](https://www.dwarkesh.com/p/pretraining-progress-is-mostly-data)

## 工具与发布

- **Copperhead —— 电路板领域的 Cursor**. 只需描述你想要的硬件，这个开源智能体就能完成 PCB 的设计、文档编写和验证。 信息来源: The Neuron. [17](https://copperhead.sh/)
- **LLM Attention Visualizer —— 查看模型真正在读取什么**. 观察信息在语言模型各个层之间传递时，模型重点关注了哪些词汇。这是一个罕见的用于解析 Transformer 内部机制的可解释性工具。 信息来源: The Neuron. [18](https://ishamf.dev/p/llm-attention-visualizer/)
- **free-claude-code —— 20,000 名开发者通过 DeepSeek 运行 Claude Code**. 这款开源工具可以将 Claude Code 风格工作流背后的模型免费替换为 DeepSeek。“任意模型，相同框架（harness）”的模式正在持续加速普及。 信息来源: AlphaSignal. [19](https://github.com/Alishahryar1/free-claude-code)
- **MiniCPM5-2B —— 专为端侧 AI 打造的 2B 参数模型**. OpenBMB 在 Hugging Face 上发布的最新小型模型，旨在本地设备而非云端运行。 信息来源: AlphaSignal. [20](https://huggingface.co/openbmb/MiniCPM5-2B)
- **Ant Group 开源金融大模型 Ling-3.0-flash-Fin**. 专为投研、监管文件分析、估值电子表格和带引用的报告而构建，每个 token 仅激活 5.1B 参数。 信息来源: The Neuron. [21](https://huggingface.co/inclusionAI/Ling-3.0-flash-Fin)
- **Switch —— 将 Claude Code 和其他智能体接入 Slack、Teams、Discord、Telegram**. 让智能体作为具名成员加入各大聊天平台的对话中。已上线 Product Hunt。 信息来源: The Neuron. [22](https://www.producthunt.com/products/switch-11)
- **Opensource UI —— 200+ 个可直接用于生产的 React/Next.js 组件，采用 MIT 许可**. 使用 TypeScript 和 Tailwind CSS v4 构建的复制粘贴式组件库。免费提供。 信息来源: Sidebar. [23](https://opensourceui.in/)
- **Atlas —— World Labs 推出的空间智能全能世界模型**. 一个模型即可涵盖世界生成、重建与模拟。Fei-Fei Li 的团队正持续推动 3D 相关领域的前沿发展。 信息来源: Sidebar. [24](https://www.worldlabs.ai/blog/atlas)
- **“限制细节的数量” —— Lightspark 谈设计克制**. 每一个细节都在索取注意力；限制添加细节的数量，才能为剩下的内容留出做到出色的空间。简短、准确，同样适用于 AI 界面设计。 信息来源: Sidebar. [25](https://design.lightspark.com/limit-the-number-of-details)
- **亲手绘制全部 600+ 个 Cursor 图标的设计师**. 对 Marek Minor 的访谈，探讨如何为 AI 时代最常用的开发工具之一打造一整套图标。 信息来源: Sidebar. [26](https://www.casestudy.club/marek-minor-interview)
- **关于 AGI 的四个问题**. 一篇探讨“AGI”这一术语被赋予了多少未定义涵义的文章，并试图对其进行明确界定。 信息来源: Sidebar. [27](https://voiceinthemachine.com/2026/09/07/four-questions-about-agi/)

## 参考资料

1. [OpenAI: 纳维-斯托克斯方程求解方案](https://openai.com/index/navier-stokes-solution/)
2. [OpenAI: 纳维-斯托克斯方程证明 (PDF)](https://cdn.openai.com/pdf/32d9f210-8b73-45e0-91bc-82a30aef8a9a/navier-stokes.pdf)
3. [Tristan Buckmaster: 声明 (NYU)](https://cims.nyu.edu/~tristanb/statement.pdf)
4. [TechCrunch: NYU 数学家称 OpenAI 在数学难题上“手段不光彩”](https://techcrunch.com/2026/09/08/openai-fought-dirty-on-career-making-math-problem-says-nyu-mathematician/)
5. [WIRED: OpenAI 的纳维-斯托克斯发现与学术界](https://www.wired.com/story/openai-navier-stokes-math-discovery-academics/)
6. [OpenAI: 推出 ChatGPT Images 2.5](https://openai.com/index/introducing-chatgpt-images-2-5/)
7. [Meta: Muse](https://ai.meta.com/muse/)
8. [The Deep View: Meta 的 AI 智能体野心遭遇信任危机](https://www.thedeepview.com/articles/meta-s-ai-agent-ambitions-run-into-a-trust-gap)
9. [Mistral: €3B D 轮融资公告](https://mistral.ai/news/mistral-makes-sovereign-open-weight-ai-to-frontier/)
10. [Google DeepMind: AlphaGenome Atlas](https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/)
11. [arXiv: Sony AI 衰老基因假设生成 (2609.04494)](https://arxiv.org/abs/2609.04494)
12. [arXiv: 推理模型分形 / 过度思考 (2609.04963)](https://arxiv.org/abs/2609.04963)
13. [Cognition: E 轮融资](https://cognition.com/blog/series-e)
14. [WSJ: Google Cloud 与 Accenture 联合推出 AI 企业部门](https://www.wsj.com/cio-journal/google-cloud-accenture-launch-unit-to-put-ai-engineers-on-site-with-customers-698a8628)
15. [CNBC: Qualcomm 与 Amazon 数据中心基础设施协议](https://www.cnbc.com/2026/09/08/qualcomm-amazon-data-center-infrastructure-deal.html)
16. [Dwarkesh: 预训练的进步主要源于数据](https://www.dwarkesh.com/p/pretraining-progress-is-mostly-data)
17. [Copperhead](https://copperhead.sh/)
18. [LLM Attention Visualizer](https://ishamf.dev/p/llm-attention-visualizer/)
19. [GitHub: Alishahryar1/free-claude-code](https://github.com/Alishahryar1/free-claude-code)
20. [Hugging Face: openbmb/MiniCPM5-2B](https://huggingface.co/openbmb/MiniCPM5-2B)
21. [Hugging Face: inclusionAI/Ling-3.0-flash-Fin](https://huggingface.co/inclusionAI/Ling-3.0-flash-Fin)
22. [Product Hunt: Switch](https://www.producthunt.com/products/switch-11)
23. [Opensource UI](https://opensourceui.in/)
24. [World Labs: Atlas](https://www.worldlabs.ai/blog/atlas)
25. [Lightspark Design: 限制细节的数量](https://design.lightspark.com/limit-the-number-of-details)
26. [Case Study Club: 绘制 Cursor 图标的设计师 Marek Minor](https://www.casestudy.club/marek-minor-interview)
27. [Voice in the Machine: 关于 AGI 的四个问题](https://voiceinthemachine.com/2026/09/07/four-questions-about-agi/)

信息来源: [AlphaSignal](https://alphasignal.ai/), [The Neuron](https://www.theneurondaily.com/), [The Rundown AI](https://www.therundown.ai/), [The Deep View](https://www.thedeepview.co/), [Sidebar](https://sidebar.io/).