一方红印按在画上，你觉得它只是签字，还是画面里不可少的一笔颜色？ 克利夫兰美术馆藏的《鱼石图》，清中晚期，纸本水墨手卷，画心约 29.6 × 158.4 厘米，作者八大山人（朱耷，1626–1705）。馆方编号 1953.247，Open Access（CC0）。卷上疏疏落落几块怪石、两条游鱼，大片纸面空着；每一段自题诗后，都钤着一方他惯用的「屐形印」——馆方说，那印看起来像木屐踩进软泥留下的痕迹。另有「个山」等印，后来还有张大千等人的收藏印。 这一期要讲的是「印章」。红印不只是落款证明，它在墨色世界里突然跳出一小块朱红，把诗、画、人钉在同一处：诗写完了，印一按，这一段才算收住；鱼在空白里游，印却把作者的名号钉回纸面。屐形印形状古怪，不像常见的方印或圆印，看画时眼睛会在石、鱼、字和这道红痕之间来回跳。后人加盖的收藏印叠上去，又给这卷画多了一层履历。昨天讲题跋，是字在卷后接着写；今天讲印章，是朱红在画心上替作者签字，也替画面补一笔颜色。 图一：原作局部（鱼、石、自题与红印），The Cleveland Museum of Art Open Access (CC0)；图二：AI 想象复原，非原作；图三：纸感插画。

一款新药从找到靶点到获批，在美国平均大约要 10 到 15 年。你愿不愿意让 AI 智能体去盯临床试验和生产批次的进度，还是觉得这件事必须由人来管？ OpenAI 在 10 月 20 日官博宣布收购了 Orchestra Bio，并把它的团队和技术并进 Rosalind——也就是 OpenAI 面向生命科学的模型和工具线。官博的写法很直接：美国新药从靶点发现到监管获批，平均大约要 10 到 15 年；难的不只是科学本身，还要把公司内部各部门和外部合作方的项目串起来，很多团队还在靠彼此脱节的系统硬撑。 Orchestra Bio 是一个人与 AI 智能体一起推进药物项目的平台。科学家和项目负责人把研究、实验活动的监控与跟踪交给智能体，自己腾出手来做判断、拍板，并在延误发生之前把问题压住。官博举的例子很具体：一批生产失败，有可能推迟临床试验启动；智能体要找出哪些活动和时间线被牵连，把相关信息收齐，再比较几套应对方案，最后仍由科学家和项目负责人决定下一步。 并进来之后，分工大致是这样：GPT-Rosalind 帮科学家做生物和化学方向的推理，Rosalind Workbench 再把这些能力接到科学工具和数据上，方便分析实验结果、规划实验。OpenAI 写明，目标是做出能把科学发现，和推进一款潜在药物所需的研究、决策、下一步动作连起来的智能体。官博还提到了与 Novo Nordisk、Moderna 的合作，但没有披露收购金额，所以这里也不写金额。 我自己带项目时，最怕的不是没人盯进度，而是问题已经在某个环节炸了，别的环节还不知道。智能体适合先把受影响的活动和时间线摊开、把选项摆齐；真正改时间表、改供应商、改启动日，还是人来拍。换成你负责的研发或交付项目，你愿不愿意先把「监控和跟踪」这一段交给智能体？ 一手：openai.com/index/openai-to-a…（OpenAI，2026-10-20）

一幅画画完了，后人还能不能在它后面「接着写」？如果你收藏了一卷好画，你会在卷尾留下自己的字吗？ 克利夫兰美术馆藏的《溪山无尽图》，手卷，绢本水墨淡设色，画心约 35.1 × 213 厘米，整卷全长约 1103.8 厘米。馆方把年代定在 1100–1150 年，也就是北宋末到金代，画家没有留下名字。画心是一路展开的江山：重峦之间散着几户人家，有小桥、渔舟，也有藏在山坳里的寺观楼阁。馆方记录，这卷画后面共有 9 段题跋、48 方印。 这一期要讲的就是「题跋」。卷后第一段是金代王文蔚 1205 年题的诗，开头写「造物元无心，山川秀气聚。画手亦无尽，各出新意度」；同一年李惠接着题诗；田獬说画里看得出郭熙的典型；元代康里子山 1332 年称它为「溪山图」，感叹它经过兵火还能留下来，实在难得；明初八十岁的杨懋 1380 年写下「不必问其谁何，可为神品」；明末清初的王铎又评它「山势委折，笔墨无痕」。之后梁清标、乾隆、嘉庆、宣统，一直到张大千都在上面钤了印；馆方说明，「无尽」两个字正是张大千在二十世纪加上去的。作者是谁至今说不准，这幅画的履历却靠一段段题跋和印章接力写了下来。 题跋耐看的地方，在于它把一幅画变成了跨越几百年的对话。每个人展开的都是同一片山水，写下的却是各自的心事：有人想攒钱买山归隐，有人想替它找回作者，有人只说一句「神品」。读手卷时从右往左，先看画，再顺着题跋一路读下去，就等于跟着历代看画人再走一遍这片溪山。 图一：原作画心与卷后第一段王文蔚题跋（1205），The Cleveland Museum of Art Open Access (CC0)；图二：AI 想象复原，非原作；图三：纸感插画。

银行 ATM 和刷卡背后跑了几十年的 COBOL，你敢不敢交给 AI 智能体迁移成 Java 或 Python，还是宁可继续养着那几位快退休的老程序员？ OpenAI 10 月 19 日发了一篇官博，专门讲低资源编程语言，也就是 COBOL、Fortran、Visual Basic 这类网上代码和文档都很少、模型很难学好的老语言。OpenAI 在文中引用的外部数据是：COBOL 支撑着 40% 以上的网银系统、80% 的线下刷卡交易和 95% 的 ATM 交易。 OpenAI 用两套自建评测来衡量进步。第一套是 COBOL 迁移：把 COBOL 程序迁到 C++、Java、Kotlin、Python 或 Rust，隐藏测试要求可观察的输出逐字节一致，全部测试通过才算成功。GPT-6.1 Sol 在低推理档做到 86.6%，同一档的 GPT-5.6 Sol 只有 5.4%，而 API 成本只有后者的 61%；把推理档拉高以后达到 97.9%，OpenAI 自己说这套评测已经接近饱和。第二套是 MultiLangBench，让模型分别用 20 种语言从零写一个兼容 SQLite 的数据库引擎。GPT-6 Astra 在最高推理档的平均测试通过率是 87.4%，GPT-5.6 Sol 是 26.8%；其中 COBOL 从 10.9% 提到 72.1%，但仍然是 20 种语言里最难的一门，Fortran 从 21.4% 提到 83.5%。便宜一档的 GPT-6 Luna 平均是 40.3%，每个样本的估算 API 成本约 0.77 美元，而 GPT-5.6 Sol 是 3.48 美元。这套测试集已经放到 GitHub 上，谁都可以拿自己常用的语言去对照。 官博里有一个例子很能说明迁移难在哪里：COBOL 的定点运算默认会把多出来的小数位直接截掉，除非程序里明确写了要四舍五入。如果改写时顺手换成了四舍五入，程序照样能跑、也不报错，但算出来的金额已经和原来不一样了。所以 OpenAI 也写明，这些分数是自家评测的结果，真要用到生产系统上，仍然需要专家复核，并且要按系统自己的业务规则和依赖关系去测试。 我自己让智能体改代码时，最在意的也不是它能不能一次跑通，而是行为有没有在我没注意的地方悄悄变了。能跑和算对是两件事，老系统迁移尤其如此，如果是我来做，会先把逐字节对齐的回归测试建起来，再去看通过率有多漂亮。换成你所在的团队，愿意让智能体先接手哪一段老代码：先从修 bug 开始，还是直接整段迁移？ 一手：openai.com/index/low-resourc…（OpenAI，2026-10-19）

看一座山，是先画轮廓再填纹理，还是先用一笔笔湿墨点子，把山「点」出来？ 克利夫兰美术馆藏的《云山图》，南宋手卷，绢本水墨设色，画心约 43.7 × 192.6 厘米，作者米友仁（1072–1151），作于 1130 年。馆方说明：北宋亡于金人南侵后，米友仁渡江避乱，这一年到浙江新昌，画此卷答谢收留他的主人。他是书画评论家米芾的长子；父子二人都用层层积叠的湿墨点子来画山，营造出烟雨朦胧的气氛。馆方还指出，这是馆藏中纪年最早的中国画之一。 这幅画要讲的，是「米点」怎么起作用。山不是先勾硬边再皴，而是一簇簇湿墨点层层叠上去：近处点子更密、更重，远峰点子更淡、更散，中间再以水气般的渲染把层次推开。树丛用较浓的墨钉在前景，孤舟只剩一个小黑影，落在右方大片烟水里。点本身既是形，也是雾；山看起来「虚」，是因为点得够湿、够重叠，不是把纸空着。后人常把这种画法称作米家云山，好处正在这里——不用斧劈也能量出远近，一片江南湿气全靠点子托出来。 图一：原作，The Cleveland Museum of Art Open Access (CC0)；图二：AI 想象复原，非原作；图三：纸感插画。

开源 frontier 权重已经能上桌面了，你还愿意把整条智能体链路挂在云端 API，还是两台（或四台）M5 Ultra Mac Studio 在桌上自己跑？ Meta 10 月 15 日放出 Muse Spark Open：8160 亿总参数、420 亿激活，原生多模态，上下文 100 万 token，面向 coding 和 agentic。Meta 自己的说法是，这是美国开源权重里目前最强的一档，也是同类里首次能在两台 Apple M5 Ultra Mac Studio、配上最新 MLX 就在桌面跑起来的模型。别和 RTX / DGX Spark 机型搞混，这是开源权重名。 同日 Apple 机器学习研究发了 MLX 分布式推理实测：Muse Spark Open 用 NVFP4 量化后足迹约 493GB，单机 512GB 统一内存装不下。两机 pipeline 在 context 8192 时 decode 约 15.74 tok/s，两机 tensor 约 24.99，四机 tensor 约 36.73 tok/s（Apple 自称高于一般人阅读速度）。M5 Ultra 单机统一内存最高 512GB、带宽 1.2 TB/s；相对上一代 M3 Ultra，在 Qwen / Mistral 对照上，单机 TTFT 最高约 4.6 倍、decode 约 1.6 倍——这组倍数是小模型对照，不是 Muse 本身。 我自己跑智能体时最怕的，不是模型「会不会写代码」，而是链路全挂在别人的 API 上：排队、限流、数据出不了门。开源权重能拉回本机，Mac Studio 集群又把门槛从机房搬到桌面，对想自己控环境的人是另一条路。换成你，下一条常驻智能体链路会优先押云端，还是押桌上的开源权重？ 一手：research.meta.ai（Meta AI Research，2026-10-15）；machinelearning.apple.com（Apple Machine Learning Research，2026-10-15）

两块「空」，你更想走进哪一块？回 A 或 B 就行。 它们都是本周两页克利夫兰藏南宋册页的局部。A 几乎只剩绢面本身：落墨很少，空被当成月光、雾气和夜色来用。B 左下角石与人钉得很实，中景大片留空，远山只剩淡影——空是被实托起来的距离。你不必先想术语，先凭感觉选更想走进的那一块。 A 取自《举杯邀月图》（馆方编号 1997.89）：这是本周讲的「留白」，空是画面的主角。B 取自《坐看云起图》（馆方编号 1961.421）：这是本周讲的「虚实」，空是被实抬起来的气。同一周、同一馆、两页巴掌大的册页，两种空各走一条路。 图一：A|B 对照；图二：A 局部；图三：B 局部。原作均来自 The Cleveland Museum of Art Open Access（CC0）。

本周两期一个讲「空着」，一个讲「空是被实抬起来的」，你觉得这两种空，哪一种更像你看画时真正被打动的地方？ 本周第一期讲的是留白。克利夫兰美术馆藏《举杯邀月图》，南宋册页，绢本水墨，画心 24.5 × 25 厘米。馆方按风格归在马远名下，同时说明笔法更接近其子马麟；馆方编号 1997.89，Open Access（CC0）。画面右侧是山崖、横伸的老树和一轮圆月，左下一位文士举杯倚坐；真正占大面积的，是左上那片几乎没有落墨的绢。这里的空不是没画完，而是被当成月光、雾气和夜色本身来用，人和月之间隔着这段空白，酒意与月色反而落在这里。 本周第二期讲的是虚实。同馆藏《坐看云起图》，约 1256，马麟，画心约 25.1 × 25.3 厘米；馆方编号 1961.421，同样 CC0。它和宋理宗所书王维句「行到水穷处，坐看云起时」原先曾装成一扇：水边文士倚石而坐，石、树、衣纹是实，中景几乎留空，远山只剩淡影。实处越清楚，虚处就越像真的在起云；虚处越空，坐着的人就越像被诗句按在水穷之处。和留白不同，这里的空是被实托出来的气，不是剩下的纸。 周末把这两期并在一起回看，不是为了再讲一遍故事，而是把「空」放在同一条时间线里对照：一种空是画面的主角，一种空是被实抬起来的距离。巴掌大的南宋册页，两种用法都能把远近和心情推开。 图一：原作拼图，The Cleveland Museum of Art Open Access（CC0）；图二：AI 想象复原，非原作；图三：纸感插画。

画里有的地方墨很实，有的地方几乎什么都没有，你觉得「空」的那一块，是背景，还是把人推向远方的那股力？ 克利夫兰美术馆藏的《坐看云起图》，南宋册页，绢本水墨，画心约 25.1 × 25.3 厘米，作者马麟（约 1185–1260 以后）。馆方说明：这页画和旁边的书法，原先曾装成一扇。宋理宗写下王维的两句——「行到水穷处，坐看云起时」；马麟用画来应诗。水边，一位文士倚着大石斜卧，几株细树贴在石上；中景几乎留空，只在远处淡出一座山影。 这幅画要讲的，是「虚实」怎么互相抬。石块、树干、人物的衣纹是实，用斧劈般的短皴和较浓的墨钉住左下角；中景的空和水气是虚，用极淡的渲染把距离推开，远山只剩轮廓。实处越清楚，虚处就越像真的在「起云」；虚处越空，坐着的人就越像被诗句按在水穷之处。和一味留白不同，这里的空是被实托出来的气，不是剩下的纸。 图一：原作（画与理宗书王维诗成对），The Cleveland Museum of Art Open Access (CC0)；图二：AI 想象复原，非原作；图三：纸感插画。

智能体天天要啃 PDF、表格、网页和图表，你更愿意继续把整条链路交给封闭大模型，还是把能后训练的开源 120B 拉回自己机器上改？ NVIDIA 10 月 15 日在官博发布了 Nemotron 3.5 Super VL：约 1200 亿参数的开源多模态模型，面向常驻智能体。官博的说法是，它在同类开源智能体模型里任务完成最快、准确率最高；在 Artificial Analysis Intelligence Index 上，吞吐可达同类约 5 倍。能力覆盖指令跟随、工具调用、多步业务流，以及 PDF、网页、表格、图表这类视觉文档理解。和自家最大的推理模型比，参数量大约只有五分之一，但官博称多模态智能体任务的准确率可以跟它对标。 和封闭前沿模型不同，组织可以按自有数据后训练，再部署到自有基础设施上。预训练加继续预训练合计约 26 万亿 token，后训练约 380 万样本，并开放权重、数据集和训练配方。现已可在 Hugging Face、Open Router、ModelScope 和 NVIDIA NIM 上拿到。 我自己用智能体的体会是，最卡人的往往不是「会不会写代码」，而是文档和图表能不能一路看下去、错了能不能在自己环境里改。开源、可后训练、还能本地部署，正好对准这三点。换成你，会把常驻智能体的底座换成能自己改的开源模型吗？ 一手：blogs.nvidia.com（NVIDIA Blog，2026-10-15）

一幅画只画了一角，剩下大半张空着，你觉得这是没画完，还是画得最好的地方？ 克利夫兰美术馆藏的《举杯邀月图》，南宋册页，绢本水墨，画心只有 24.5 × 25 厘米。馆方把它归在马远名下，同时说明这是按风格判断，笔法更接近他的儿子马麟。画面右侧是层层后退的山崖，一株老树横伸出来，崖间框着一轮圆月；左下角，一位微醺的文士端着酒杯倚坐，右下的石桌上摆着笔、墨和纸。馆方推测，画的可能是杭州凤凰山上的赏月胜地「月岩」。 画里真正的主角，却是左上那大半片什么都没画的绢。它不是没东西可画，而是被当成月光、雾气和夜色本身来用：山石越往远处越淡，最后化进空处，人和月之间隔着这段空白，视线反而被距离牵着走，酒意和月色都落在这里。马远一派常被称作「马一角」，好处正在于此，画家只交代最要紧的一角，其余交给看画的人去补，巴掌大的一页册页因此显得开阔。 图一：原作，The Cleveland Museum of Art Open Access (CC0)；图二：AI 想象复原，非原作；图三：纸感插画。

如果 AI 智能体能自己跑原子级的材料仿真，跑完自己看结果、改参数再跑一轮，你愿意让它先替你试第一遍，还是仍然只信人一项一项地扫参数？ NVIDIA 在 SEMICON West 发布了新的 CUDA-X 库 cuPotential（新闻稿标 10 月 14 日，台北时间 15 日凌晨发出）。官方的说法是：开发者可以把里面的 GPU 加速函数加进已有的仿真软件，用来计算大量原子之间的电荷作用力等相互作用；同时把这套建模能力开放给 AI 智能体，让智能体自己运行、评估、迭代分子仿真。新闻稿里给 cuPotential 的唯一性能数字来自 NVIDIA 自己的 early-access 测试：在已经做过 GPU 优化的流程上，再快大约 2 到 3 倍。它目前仍是 early access，还没有全面开放。 别人的实践先落在芯片行业。新闻稿点名 Synopsys 是 cuPotential 的早期采用方，用来加速材料仿真；Synopsys 同时在用另外两个库，QuantumATK 的早期结果写的是用 cuEST「可能」快 30 倍，S-Device 基准用 cuDSS 快 12 倍。这些都是厂商自己报的数，不少还标着「可能」或「预计」，不是第三方复测。 我自己用智能体的体会是，最敢放手交出去的，是能反复重跑、结果能对账的活。仿真正好属于这一类：智能体跑错了，代价是多烧一点算力，不会直接改到产线上。所以我更在意的不是 2 到 3 倍这个数，而是提速以后，智能体一天能多试几轮，人还看不看得过来。换成你，会让智能体先替你跑第一轮吗？ 一手：nvidianews.nvidia.com（NVIDIA 新闻稿，2026-10-14）· GlobeNewswire 同稿

Grok、Cursor 和 X 从今天起可以合成一张账单，但 Cursor 里的第三方模型要从第一次调用就按 API 价另算，你会把手上的 Cursor 订阅换过去吗？ 台北时间今天早上 7 点左右，SpaceXSI 正式推出 The X Subscription，把 Grok、Cursor 和 X Premium 合成五档：Free 0、Plus 8、Premium 30、Super 100、Ultra 200 美元每月；以 Plus 为基数，Premium、Super、Ultra 的含用量分别是 4 倍、15 倍、50 倍。官方文档写明，这个用量池按周重置，Grok Bot、Grok 和 Cursor 里的 Grok 模型共用同一池；Cursor 官方帖说，同档位下 Grok 模型的编码用量是原来对应 Cursor 方案的两倍。代价也写得很直白：Cursor 里的第三方模型不算在含量里，新方案下改按 API 牌价，从第一次用就扣加购额度；Plus 只能用 Grok 模型，云端智能体和自动化要从 Premium 起才有。 老的 Cursor、SuperGrok、X Premium 可以照旧留着，换不换自己选，推送也是分批开放的。切换时，符合条件的旧月付和年付会被取消，并按没用完的时间退款到原支付方式；在 App Store 买的 Cursor 不会被自动取消，要自己去 iPhone 设置里停掉。条款里还有一条和台湾用户直接相关：购买后 5 天内可以无理由取消，期间用过的部分会按比例扣。 我自己手上是 Cursor 老 Ultra 和 SuperGrok Heavy 两份，所以今天不会急着换：先把一周里 Grok 模型和第三方模型各用了多少拉出来，再算这笔账。别人的做法也分两派：有人内测两周一直跑 Ultra 档，觉得没理由再留别的订阅；也有人本来在纠结是升级 Grok 还是加一份 Cursor Ultra，现在干脆只算一张账。值不值，就看你在 Cursor 里有多少活压在 Grok 以外的模型上。

还剩大约一个月，你会不会提前把 Cursor 里的 OpenAI 默认模型换成别家，还是先扛到关停再改？ OpenAI 8 月 28 日官宣，拟结束向 Cursor 合同供模，拟过渡日是 11 月 12 日；从今天算正好约 31 天。Help Center 写明，正式关停日要等双方确认才会公布，Cursor 也可能提前切断。过渡期内合同里的模型还会继续供，但别把日子当成板上钉钉。 本地还能走三条路：自带 OpenAI API key、装 Codex IDE 扩展（ChatGPT 订阅或 API key）、或经 Bedrock / Azure 这类网关。关键限制写得很硬：自带 key 只覆盖桌面端本地 Chat 和 Agent；Cursor Tab、Auto、Cloud / Background Agents、Automations、CLI，以及 Cursor 自己的 API / SDK，都不能用你的 key，仍依赖 Cursor 侧供模。ChatGPT 订阅也不等于 API 额度，自带 key 是另开账单。 我自己日常编码智能体主要跑在 Cursor 本地 Agent 和云端后台任务两条线：前一条还能改成 BYOK，后一条和 Tab 补全一旦断供，就得换 Cursor 路由模型，或把长任务拆到 Codex 扩展、API 直连。别人的做法也差不多——能本地化的先迁，云端智能体和自动补全另找备胎，不要赌到 11 月 12 日当天。日期仍是「拟」，提前换还是扛到关，值不值，就看你有多少工作压在那些用不了自带 key 的功能上。

智能体写代码时，你会不会为了少等下一 token，愿意把单价抬到大约标准档的 6 倍？ OpenAI 美东时间 10 月 8 日傍晚开始给 GPT-6.1 Sol 推 Ultrafast，进 API、Codex 和 ChatGPT Work。官方开发者账号写的是近 Astra 智力、相对 Sol 标准档最高约 8 倍速；文档里要在 Responses API 把 model 设成 gpt-6.1-sol，再加 service_tier: "ultrafast"。价目表对得上：Sol 标准档是每百万 token 入 2 美元、出 10 美元，Ultrafast 是入 12、出 60，正好是标准档的 6 倍，也大约是 Astra 标准档（入 10、出 50）的 1.2 倍。Codex 和 ChatGPT Work 侧目前写的是 Pro 500、符合条件的按量企业账号，以及按额度计费的 Edu；企业要管理员先打开。Sol 的 Ultrafast 支持美国和欧盟数据驻留，API 用户都可以用，但额度跟标准档分开算。 我自己带智能体跑多步改代码时，真正拖节奏的常常不是某一轮答得不够聪明，而是工具调用之间在等流式输出。官方 Ultrafast 文档也特别提醒：智能体连续打工具时，尽量用持久 WebSocket，否则网络开销会把速度优势吃掉。所以这档更像给「排查线上故障、智能体点应用、现场演示」这类每一秒都贵的场景，而不是把所有批处理都搬上去。值不值，就看你那条链路是不是卡在等 token，而不是卡在别的地方。

微软卖新 Surface 的官博里，有一节标题直接叫「和你的 MacBook 分手」（Break up with your MacBook）：理由是 NVIDIA RTX Spark 让一台 15 寸 Windows 笔记本有了最高 128GB 统一内存，官方说可以在本机跑 120B 以上参数的模型。 这是 10 月 7 日黄仁勋和纳德拉在旧金山同台发布的。RTX Spark 把一块最多 6,144 核的 Blackwell RTX GPU 和最多 20 核的 Grace CPU 放进同一块超级芯片，官方写的 AI 算力是 1 PFLOP，不过微软在脚注里说明这是 FP4 加稀疏的理论值，128GB 也是 CPU 和 GPU 共用、GPU 能用到的部分少于总量。第一台机器 Surface Laptop Ultra 已经开放预订，2,599 美元起，10 月 16 日开始供货；同芯片的桌面款 Surface RTX Spark Dev Box 是 5,999 美元，只在美国卖，11 月发货。Acer、华硕、戴尔、惠普、联想、微星、技嘉也都会出 RTX Spark 机型。目前还没有独立的实测速度，120B 模型在笔记本上到底跑多快，要等第一批评测出来才知道。 我觉得这次更值得看的是软件那一半。微软同场宣布 Microsoft Execution Containers 正式可用，让智能体在操作系统管着的容器里长期在后台跑，后面还会用 Entra 把智能体的操作和人的操作区分开。微软官博举的例子是，GitHub Copilot 在本机排查构建问题、提出修复，不用每一步都花云端 token；NVIDIA 则说桌面款是按 24 小时开机、让智能体一直跑来设计的。我自己让智能体跑长任务时，真正让人不敢放手的往往不是模型不够大，而是它在后台能碰到什么、做了什么分不清。本机内存解决的是模型放不放得下，系统层的容器和身份区分解决的是敢不敢让它一直跑，这两件事这次是一起端上来的。

数学研究开始可以按算力记账了：OpenAI 10 月 6 日把一个还没公开发布的内部模型做出的 722 篇数学论文稿放上 GitHub，归成 372 组结果，官方说平均每个结果只用了相当于 ChatGPT Pro 思考三小时的算力。 据《科学美国人》报道，OpenAI 一个月前那次 Navier-Stokes 成果，是上万个智能体协作、花掉数百万美元算力换来的；这一次 OpenAI 发言人说，几乎每个结果都是把一条提示交给单个智能体跑出来的，不过也承认有些结果试了不止一次。仓库说明里写，评测期间一共给模型出了大约 4,000 道题，按分量筛完才收进这 372 组，范围横跨纯数学、理论计算机和数学物理，《科学美国人》点名的成果里有四维 Kakeya 猜想。很多证明附了 Lean 形式化版本，也就是电脑可以逐步检查逻辑的版本，但并不是每篇都有，OpenAI 自己也写明没形式化的部分可能有问题。 数学家的反应分成两边。多伦多大学的 Daniel Litt 认为，既然答案已经有了，没有理由让公司藏着；MIT 的 Andrew Sutherland 则说，在模型放出来、别人能复现之前，单个智能体一次做出来的说法都应该当作未经验证，要先看收据。高等研究院（IAS）顾问组的建议是每个结果都公开模型、确切提示词和算力时间，而 OpenAI 这次只给了平均算力和尝试题数，没有给提示词。我自己让智能体跑长任务时也是同样的体会：产出变多并不难，难的是能不能快速验真，所以这批结果里最先站得住的，是已经能被 Lean 自动检查的那一部分。

开源大模型这一轮开始拼的不是谁分数最高，而是谁更省：Reflection 10 月 5 日发布的 Beam 总共 5010 亿参数，每个 token 只激活 230 亿，官方说它在高难推理测试上和 GLM-5.2 打平，推理算力却只要对方的三分之一到四分之一。 Beam 主打编码和智能体任务，自报 SWE-bench Verified 80.9 分、Terminal Bench 2.1 80.1 分。路透把它写成美国开源阵营正面对上 DeepSeek、Kimi 这类中国开源模型，但 Reflection 自己也承认 Kimi K3 的原始能力仍然领先，Terminal Bench 上 GLM 5.3、DeepSeek V4.1 Flash 都在 88 分以上。它的底气在训练规模：预训练在 6,144 张 NVIDIA GB300 上不到四周跑完，强化学习又用 1.05 万张 GB300 跑了四周，攒下一亿多次智能体试跑。权重、技术报告本月内以 Apache 2.0 放出，现在只能排队申请试用。 Reflection 的演示里，把 Beam 接进开源编码工具 OpenCode，让它自己读 Unsloth 的文档，给最小号的 Gemma-4 写出一份可以跑的微调笔记本。我自己用 Cursor 跑编码智能体、用 API 调 DeepSeek，长任务最烧钱的往往不是单题分数，而是一轮轮读代码、重试花掉的 token，所以激活参数越小，同样预算能多跑几轮。不过这个「省三到四倍」是 Reflection 按激活参数乘生成 token 估出来的，没算读入长上下文的开销，分数也全是自报；等这个月权重放出、第三方复测之后再下结论更稳。