GPT-5.6 Sol 解决6个开放问题，Stripe 100亿美元收购OpenRouter

1️⃣ [持续跟踪] ChatGPT/Codex自主工作能力升级：从规划旅行到数学研究#

• 前情提要：近期ChatGPT和Codex不断展示更强的Agent能力。
• 最新突破：Sam Altman今日在X上演示，从手机发送一条指令：“利用我的聊天历史为8个朋友规划长周末旅行，计划三个选项，制作一个全栈网站让大家协调和决定，然后做预订，并草拟邀请邮件。”ChatGPT自动完成所有步骤。他认为“work”一词不足以描述其能力。Greg Brockman转推称“ChatGPT正成为你的个人AGI”。此外，OpenAI DevEx工程师Jason Liu在访谈中展示Codex的日常使用：设置Slack/邮件酋长、将过去会话转化为技能、让Codex定期检查邮件和Linear并生成优先级概览。这些演示标志着ChatGPT/Codex从单次问答走向持续、多步骤、自主的Agent工作。
• 行业意义：从复杂旅行规划到日常办公自动化，AI Agent已具备“一键式”解决长链路任务的能力，用户只需描述目标。这预示着个人AI助手从“聊天”到“替人工作”的范式转变。 🔗 Sam Altman推文 | Greg Brockman推文 | Peter Yang视频

2️⃣ GPT-5.6 Sol 解决6个开放数学问题，数学研究迎来AI辅助新时代#

• 核心亮点：华裔研究者 Shouqiao Wang 使用 OpenAI GPT-5.6 Sol 模型，在5天内解决了6个开放的 Erdős 问题。他公开了所有材料：GitHub 仓库包含每个问题的证明 PDF、LaTeX 源文件、提示词和部分计算实验 Python 脚本，其中两个问题已有 Lean 形式化证明。
• 方法论：Wang 具有数学背景，但使用的 Codex 工作流不要求深数学知识。这展示了前沿模型在数学研究中的实用价值。
• 行业意义：这是继两周前 AI 推翻 Erdős 单位距离猜想后的又一重大数学 AI 突破。AI 正从“辅助验证”走向“问题提出与解决”的前沿，可能重塑数学研究范式。 🔗 Wang的GitHub仓库 | FinanaceYF5介绍

3️⃣ Stripe 被曝以最高100亿美元收购 OpenRouter#

• 核心亮点：据 Andrew Curran 报道，支付巨头 Stripe 正在洽谈收购模型聚合平台 OpenRouter，交易价格可能高达 100 亿美元。OpenRouter 最近一轮估值为 13 亿美元，收购价可能是其估值的近 8 倍。
• 行业意义：OpenRouter 是 AI 模型 API 网关的关键基础设施，统一接入数十个模型。Stripe 若收购，将获得 AI+支付的双重战略支点，也反映了 AI 基础设施的整合趋势。此交易若完成，将是 AI 领域最大并购之一。 🔗 Andrew Curran推文 | FinanaceYF5概述

4️⃣ NVIDIA 研究证明 AdamW 存在规模天花板，SOAP/Muon 大批量训练更优#

• 核心发布：NVIDIA 团队发表新论文，声称 AdamW 在大批量训练中存在“规模天花板”。在批大小高达 1 亿 token 的下一词预测中，SOAP 和 Muon 优化器保持稳定性和质量，而 AdamW 性能下降。团队通过逐层分布式优化器与 Megatron-LM 兼容，在不近似优化器数学的前提下平衡通信和内存。
• 行业意义：AdamW 是深度学习最常用的优化器。如果其在大规模训练中确实存在天花板，这意味着业界需要迁移到更高阶的优化器。NVIDIA 的方案提供了系统级的可行性，可能加速训练范式转换。 🔗 论文链接 | elvis概述

5️⃣ GitHub Copilot App 全面通用发布#

• 核心亮点：GitHub 官方宣布 GitHub Copilot 桌面应用在 macOS、Windows 和 Linux 上正式 GA。推荐用户将 Copilot 应用固定在 dock 中，以随时使用 AI 编码辅助。
• 行业意义：Copilot 从 IDE 插件扩展到独立桌面应用，支持全平台，标志着 AI 编码助手进入“随时可用”的新阶段。开发者无需打开编辑器即可与 Copilot 交互。 🔗 GitHub官方推文

6️⃣ [持续跟踪] Claude Opus 5 实际体验与基准失效：评测指标的信任危机#

• 前情提要：Anthropic 于 7 月 25 日发布 Claude Opus 5，官方声称智能接近 Fable 5 但定价减半。昨日我们报道了初步评测分歧。
• 最新突破：今日多位专家深度分析。Kun Chen 指出 Opus 5 几乎每项指标超越 Fable 5，但实际使用体验远不如 Fable，认为现有基准几乎完全失效。他还观察到 Anthropic 改变了训练方式：先训 Mythos 再蒸馏为 Sonnet 和 Opus，可能影响模型质量。orange.ai 补充指出“Claude 系列用起来的味道不对”，而 Grok 和 Kimi 体验更好。RLVR 只重视可验证结果，人类偏好被弱化，对齐可能失败。
• 行业意义：基准失效和训练方式变革揭示了行业深层问题：当模型能力超越现有测试集，我们需要更鲁棒的评测方法。同时，RLVR 驱动的训练可能牺牲人类友好的交互体验，这是对齐领域的警钟。 🔗 Kun Chen推文 | orange.ai推文

7️⃣ Midjourney 收购占星 AI 公司 Co-Star#

• 核心亮点：Midjourney 官方宣布收购个性化和占星 AI 平台 Co-Star。Co-Star CEO Banu Guler 成为 Midjourney 首席设计官，负责组建跨职能设计、产品和前端团队。Co-Star 应用将继续独立运营。
• 行业意义：Midjourney 从图像生成扩展到个性化 AI 和社交体验。收购占星 AI 公司看似跨界，但 Co-Star 在个性化推荐和用户情感连接上有独特积累，Midjourney 可能利用其技术增强用户黏性和创意工具的情感智能化。 🔗 Midjourney官方推文

8️⃣ LLM Token 代理转售市场调查：滥用免费试用和盗刷信用卡#

• 核心调查：Matt Lenhard 发表调查文章，揭示围绕 LLM token 转售的黑市。转售商通过滥用免费试用、利用未受保护的内部代理、甚至盗刷信用卡来获得低价 API 额度，然后以折扣价出售。在中国尤甚，使用开源代理软件（如 one-api、new-api）搭建代理池。买家寻求便宜 token、绕过地理限制和模型蒸馏。
• 行业意义：这个市场暴露了 LLM API 计费和安全的漏洞。LLM 供应商需要提供更严格的支出上限和防滥用措施。对于开发者，将 AI 应用公开暴露面临更大的恶意消耗风险。 🔗 Simon Willison转述 | 原始调查

⭐ GitHub 趋势#

📊 类别速览

项目	类别	Stars
pingdotgg/t3code	AI Agent	15.0k
pbakaus/impeccable	AI Agent	50.6k

---

1. pingdotgg/t3code ⭐ 今日 +149#

语言/许可： TypeScript / MIT
总 Stars： 15,036
仓库： GitHub

项目定位：
面向 AI 编码代理的轻量级 Web GUI，统一管理 Codex、Claude、Cursor、OpenCode 等多个代理的本地执行会话。

核心功能：

• 支持多个主流 AI 编码代理作为后端引擎，通过 CLI 或桌面应用启动统一交互界面
• 提供远程访问能力，允许在开发机上运行代理，从其他设备连接会话
• 内置架构文档和提供者指南，便于自托管部署和扩展
• npx t3@latest 零安装运行，降低试用门槛

技术亮点：
基于 Vite+ 构建（VitePlus），使用 vp 管理依赖，支持多平台桌面应用分发（winget、Homebrew、AUR）。

---

2. pbakaus/impeccable ⭐ 今日 +413#

语言/许可： JavaScript / Apache-2.0
总 Stars： 50,638
仓库： GitHub

项目定位：
面向 AI 编码代理（如 Claude Code、Cursor、Gemini CLI 等）的设计技能集，通过 23 条命令 + 60 条确定性检测规则，约束 AI 生成的前端设计质量。

核心功能：

• /impeccable init 一键初始化项目设计上下文，生成 PRODUCT.md 和 DESIGN.md，为后续命令提供品牌、颜色、字体等规范
• 23 条命令覆盖设计全流程：craft（从形状到代码迭代）、audit（技术质量检查）、critique（UX 评审）、polish（终版对齐）等
• 60 条确定性检测规则（无需 LLM 和 API Key），与 LLM 审查互补，自动检查 a11y、性能、响应式等缺陷
• 支持 12+ 个主流 AI 编码代理（Claude Code、Cursor、Codex、Grok Build、GitHub Copilot 等），通过 npx impeccable install 一键部署到本地 harness 目录

技术亮点：
设计规则以确定性代码实现，不依赖模型推理，可离线运行，保证了输出一致性；多代理 harness 结构统一，插件化部署兼容不同工具的技能目录约定。

今日洞察#

数学研究AI辅助的门槛正在消失。 Shouqiao Wang使用GPT-5.6 Sol解决6个开放Erdős问题，他在说明中强调自己虽有数学背景，但工作流不依赖深数学知识——Codex自动处理证明构造，他只需提供方向性提示。此前两周AI刚推翻Erdős单位距离猜想，两件事组合释放的信号是：前沿模型使非专家也能产出可验证的数学结果。二阶影响：数学研究将不再完全依赖顶级数学家直觉，有系统能力的工程师可能比数学家更高效地探索猜想空间，学术分工面临重构。

模型API基础设施正在经历双重挤压：一边是Stripe以100亿美元收购OpenRouter，一边是LLM token转售黑市通过盗刷信用卡获利。 OpenRouter作为统一API网关，一旦被支付巨头控制，模型分销渠道将高度集中，小型模型提供商可能丧失独立触达客户的能力。同时黑市调查揭示现有API计费防滥用机制脆弱——开发者公开暴露AI应用时面临恶意消耗风险，这将倒逼供应商快速推出更严格支出上限和身份验证手段。两条线索指向同一个结论：API经济的中间层正在成为战略节点，但安全边界远未成熟。

Claude Opus 5的基准失效与NVIDIA的AdamW天花板论文，指向AI工程共识的同步松动。 Kun Chen指出Opus 5几乎每项基准超越Fable 5但实际体验糟糕，Anthropic先训Mythos再蒸馏的做法可能解释了两者脱节。NVIDIA团队则证明AdamW在大批量训练中存在规模天花板，SOAP/Muon优化器表现更优。两件事看似无关，但都说明当前依赖的工程判断——无论是评测指标还是默认优化器——正在失效。当基准不再反映真实能力、默认优化器遇到尺度限制，行业需要重新建立从训练到评估的基础设施。