Noam Brown 感慨 LLM 数学基准两年半巨变

当今前沿推理模型的训练路径与 AlphaGo 高度一致：先模仿大量人类数据，再扩展推理计算（从蒙特卡洛树搜索到思维链），最后用强化学习突破模仿上限。Demis Hassabis 称，十年前 AlphaGo 的"第37步"预示 AI 可攻克真实科学难题，这些思路对构建 AGI 仍至关重要。

OpenAI 推理系统在 2025 ICPC 世界总决赛中获得 12/12 满分，成绩相当于人类参赛者第一名。其中 11 道题目由 GPT-5 解决。

OpenAI 发布 GPT-5-Codex，针对智能体编程优化的 GPT-5 版本。简单查询响应速度提升10倍，复杂查询思考时间延长2倍以获得更多算力支持。已上线 Codex CLI、IDE 插件、网页、移动端及 GitHub 代码审查。

仅仅 2.5 年前，AI 实验室还会炫耀其前沿 LLM 在小学水平数学基准（GSM8K）上的表现。我迫不及待想知道再过 2.5 年我们会走到哪一步。

Noam Brown 指出 LLM 已跨过重要门槛，在部分研究问题上超越顶尖人类专家，这解释了近期数学成果为何显得突然爆发。他认为模型能力仍有明显短板，但随着持续进步，其他领域的突破将接踵而至，开启科学发现新时代。

OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，两款模型基于 GPT-6 Astra 的技术，比 GPT-5.6 促销价便宜 50%。Luna 现价 $0.10 输入 / $0.50 输出每 1M tokens，加上 7 月底 80% 的降价，Luna 输出价格在两个月内从 $6 降至 $0.50。官方表示缓存和推理效率的提升使降价成为可能。

Noam Brown 称 OpenAI 内部的数学家和物理学家本周经历了自己的"Lee Sedol 时刻"，该模型在数分钟内解决了他们多年未解的开放问题。引用的 OpenAI 介绍称，内部模型团队用约 10，000 个协作 AI agents 在 88 小时内得出 Navier-Stokes 解，训练仍在进行，全程遵循前沿评测的监控与隔离等安全防护措施。

OpenAI 于 10 月 27 日宣布其 AI 模型在数学、计算机科学和物理学领域取得三项研究突破。数学上给出了所有维度下局部光滑猜想的证明，从而解决挂谷猜想与斯坦因限制猜想；计算机科学上给出推翻指数时间假设（ETH）的证明，暗示相关计算任务可能有更快算法；物理学上提出量子色动力学及标准模型一种统一完备化的严格存在性证明，涉及杨–米尔斯千禧年难题的一部分。

Greg Brockman 表示 GPT-6.1 Terra 的电脑操作能力已跨过一个质变门槛，用起来比他不借助 AI 时更快。其引用的 OpenAI 介绍称 GPT-6.1 Terra 能理解屏幕内容、跨应用执行操作、自然书写，以更低价格提供快速且强大的 computer use，适合承担整个工作日的更多任务。

作者宣布 GPT-6.1 Terra 回归，称这是其首个在写作、个性和细致理解请求上显著更好的模型。该模型擅长电脑操作，可理解屏幕内容并跨应用执行操作，在 API 和订阅中提供的用量是 6.1 Sol 的 2 倍，价格更低。