本期抓取窗口 09-21 01:00 → 09-22 07:00，新文章 43 篇；深读 9 篇（1 篇正文抓取失败、按纪律剔除）。推送 8 条：必读 3 + 值得看 2 + 其他 3。 36氪 31 条新快讯中约 25 条为纯股市行情与公司公告，已按画像规则剔除；昇腾超节点、Qwen-Image-2.1、阶跃 Step 5 Preview、Gemini 4 Pro、RoboHarm 实测等均为已推送过的同一事件，本轮未重复推送。

🔥 必读

1. GPT-6 Astra 攻克 9 年悬而未决的数学难题：反例不存在，核永不为空

问题来自社会选择理论里的「批准式委员会选举」：n 个选民各提交一份自己认可的候选人名单，要从中选出一个 k 人委员会。衡量这个委员会是否公平，有一个极严的标准叫做「核」（源于合作博弈论）——在核内，意味着没有任何一拨选民可以站出来掀桌子。

问题是：是不是在任何情况下都能找到这样一个「绝对公平」的委员会？有没有可能在某种极端复杂的投票偏好下「核」是空的？自 2017 年正式提出后，这朵乌云悬了近 10 年，无数数学家试图找到「核为空」的反例；FrontierMath 把它列为最高难度挑战之一，原题 prompt 写得非常直白：「你的任务是构造一个批准式委员会选举的实例，使得它的核为空……把你的反例写成一个 JSON 文件提交。」

GPT-6 Astra 给出的答案与直觉相反：根本没有反例——核永远不可能为空，绝对公平的委员会在任何情况下都必定存在。

新机制「调和熵」：此前的路线（香农熵、虚拟市场的林达尔均衡）只能处理分数级委员会（允许一个人当半个委员）；Astra 提出的「调和熵（harmonic entropy）」可给整数委员会使用，其物理直觉是「水往低处流」——把选民的支付想象成一滩水，水会自动填平各个候选人的资金池，因此这个目标函数极力奖励「把选民支付尽可能均匀地分散到各个获胜候选人身上，且覆盖面尽可能广」的分配方案。资金绝对均匀分布时，该函数的最大值恰好等于数学上著名的调和级数，这也是名字的来源。

结论与可工程化：只要在调和熵函数下找到局部最优解，这个解就 100% 稳稳落在核内，因此可以用多项式时间算法（类似爬山法的局部搜索）直接算出这个绝对公平的委员会，而不必穷举全宇宙的组合。

论文为 20 页的《Existence of the Core in Approval-Based Committee Elections》（arXiv 2609.11912），代码在 DominikPeters/ABCVotingLean。合作者为慕尼黑工大 Patrick Becker、牛津大学 Matthias Greger、巴黎九大/CNRS Dominik Peters；论文备注栏原文写明：投票规则及其满足 core+ 的证明均由 GPT-6 Astra 发现。Peters 评价「论证很漂亮，本来完全可能是非构造性证明或庞大的分类讨论，这里用到的技术很可能还能推广到其他模型」。

这是 AI 首次拿下「重大进展」级数学难题，也是大模型从「解题机器」转向「数学规律发现者」的标志性案例。

原文：新智元 · 首次！GPT-6 Astra 破解「重大进展」级难题，数学家沦为提示词工具人

2. 清华系初创 + UIUC：7B 模型靠「部署期自蒸馏」跑赢 GPT-5.6、Opus 5

核心问题很直接：LLM 的认知更新，能否不止停留在「训练时（Train-time）」，而是延伸到「部署时（Deployment-time）」——今天经历过的真实市场变化，能否真正改变它明天的判断？

Social World Model（SWM，ICML 2026，arXiv 2606.11482） 由 UIUC 与清华初创团队 Astraculum 联合推进，做法是把「社会认知如何更新」映射成世界模型中最经典的状态转移问题。它以 Polymarket、Kalshi 等预测市场为天然检验场：状态 = 集体信念（合约价 62 美分，就是大众用真金白银投票得出的「62% 概率」），事件 = 刚刚发生的突发新闻。模型要学的不是「美联储到底降不降息」，而是「当前信念 + 突发事件 → 下一时刻信念」。

SDFT 自蒸馏机制（Self-Distillation Enables Continual Learning，arXiv 2601.19897）：结果揭晓后，先让模型依据真实变化写出一段事后推演；随后同一个模型在训练中分饰两角——老师的上下文里多了这段事后推演（作为特权信息，只用来教、不用来答，逐 token 给学生的推理打分），学生只能看到当前的新闻和价格、必须独立完成预测。团队刻意跳过了直接拟合价差的做法：价差只说「市场最后动了多少」，没说「哪条新闻真正重要、为什么重要」，刻进参数的是「客观事件 → 大众情绪 → 市场动作」这条推理链。

结果：团队选取 390 天真实市场数据按月切窗，严格按时间向前滚动（部署 → 获得真实反馈 → 训练 → 更新模型 → 继续部署）。面对真实资讯洪流，GPT-5.6、DeepSeek V4 Pro、Claude Opus 5 等静态大模型全部跌穿了「只看价格、不看新闻」的基线，而这个部署后仍不断更新权重的 7B 模型，是全场唯一比价格基线预测得更准的。把全年数据按月拆开后可以看到，增益本质上来源于稳定性——静态大模型在特定月份（w01、w11）会集体大幅失分。

原文：机器之心 · 清华初创&UIUC学者用7B模型在预测市场上自我蒸馏，跑赢GPT-5.6和Opus 5

3. Jev：不生成文字、只输出概率的「System One」模型，数天火了近 500 个开源项目

智能家居社区 Home Assistant 最近出现了一个名为 HA-Jev 的插件：传感器读取洗衣机的功率变化与洗衣房门的状态，然后抛一个问题给模型——「洗衣机洗完了，衣服是不是被忘在里面了？」模型不输出任何文字分析，只返回一个概率值，置信度超过 0.8，手机就弹出一则取衣提醒。一次判断耗时几十毫秒，花费 0.000015 美元。插件开发者留下一句话：「我过去一直在用大语言模型回答根本不需要它的问题。衣服忘没忘拿是一个判断，不是一篇八股文。」

这句话刺中的正是当前生成式 AI 的痛处。而前 OpenAI 研究员、RLHF 共同发明者 Diogo Almeida（TypeSafe AI）带来的新模型 Jev，被称为「System One」——没有嘴巴，不生成任何文字，只输出概率判断。上线不过数天，全球开发者围绕它砸出了近五百个开源项目。

典型用例与实测数字：

  • Agent 上下文压缩：开发者写了一个 Jev 插件用来压缩 Claude Code 的上下文——不做任何归纳总结，而是逐条给历史工具调用打相关性分，低于阈值直接整条剔除。结果接近 100 万 token 的臃肿上下文，在 1 秒钟内被精简到 8.6 万，整个过程模型没敲下一个字符。
  • 移动端自动化：Droidrun 的 mobile-jev 控制真实 Android 手机打开 Uber、输入起终点、一路精准点击到付款界面，全程 9 个操作步骤仅耗时 21 秒，每个界面的下一步该点哪里、该滑动还是该确认，全部交给 Jev 做极速概率匹配。
  • 数据清洗：一位开发者积压三个月的 9081 条产品匹配数据，此前用主流大模型估价后直接放弃；换成 Jev 后13 分钟跑完、总账单只有 32 美分。
  • 内容分析：Distribb 创始人用 Jev 扫描近 600 个网页，45 秒完成内部链接地图重构、布设 500+ 链接，共花 21 美分。
  • 基础设施与游戏：GitHub 上涌现 pg-jev、duckdb-jev（用自然语言直接对数据库行做实时概率过滤与排序）、Ruby 社区把判断封装成原生控制流语法；还有人让 Jev 玩超级马里奥、《毁灭战士》，甚至有团队把它接入《星际争霸》完成首个战斗任务。

定价与「杰文斯悖论」：Jev 每百万输入 token 仅需 0.042 美元、输出免费。按此资费，一天进行 1 万次业务决策、单月成本约 120 美元；而以往用同等准确率的顶级推理大模型做同一套流程，月账单会直奔 3.5 万美元。名字取自 19 世纪经济学家威廉·斯坦利·杰文斯——效率提升带来成本暴跌，该资源的总消耗量反而爆发式增长，这也解释了为什么它瞬间激活了那些此前被判定「毫无商业价值」的边缘场景。

行业含义：「判断」与「生成」正在分家。Almeida 离开 OpenAI 时留下感叹「我们手里握着一道闪电，但它却没那么好用」；Pi 框架 CTO Armin Ronacher 直言「我们早该意识到这一点的。只因为此前主流大模型一直被风投资本补贴得极为廉价，大家都习惯了挥霍，没人愿意去做真正的创造性思考」。作者给出的架构结论是：海量毫秒级判断交给便宜得像自来水一样的直觉模型，只有在真正需要向人类输出成段文字、提供情绪价值或起草长篇报告的极少数节点，才需要唤醒那个昂贵的生成式模型——大模型该退回它原本的位置，而不是当中央处理器。

原文：极客公园 · Jev，让全球程序员玩疯了 ｜ 同一事件另见 新智元、机器之心

📌 值得看

4. 实测商汤 SenseNova U1 Pro：生图从「生成一张图」走向「完成一项任务」

在真实工作中，做一张图往往只是任务的一部分：公众号需要封面和多张配图，企业招聘需要海报、易拉宝、折页一整套物料，设计过程中还可能随时要改文字、换服装、调局部。智东西对商汤日日新 SenseNova U1 Pro 做了多轮实测，重点不是单次提示词生图，而是它能否围绕任务目标组织创作流程（需求理解 → 生成 → 编辑 → 调整），一次性完成交付。

  • 设计表达：说唱音乐节海报（构图、字体、信息层级，模型还自行补齐了活动信息）、东方幻想 AI 漫剧主角设定图（重点是系列一致性——延续风格生成女主角，人物变了但画风不割裂、服装配饰无前后矛盾）、盲盒潮玩概念图（材质区分、包装盒纸质感、85mm 产品摄影质感，结果「像真的可以生产、包装、售卖」）。
  • 办公任务：公众号文章封面与正文插图（要理解段落、让图回应具体内容，而不是找一张「有科技感」的图）；企业秋招整套物料——招聘海报、易拉宝、折页、岗位信息图、宣讲会伴手礼。判据是：相近的配色与视觉元素，但按使用场景重排信息（海报先吸引注意、岗位信息图突出文字与数据），而不是把同一张图拉成不同尺寸。
  • 已有图片上继续改：一键换装（蓝裙 + 海边换草原，人物脸部、发型与姿态保持连续性）；多张参考图融合（真人吃海鲜照 + 两个漫画形象 + 拍立得边框 → 漫画风拍立得，人物替换自然、背景与食物保持原状）；房间重装（保留门窗与空间结构、只换家具与风格）、换天加雨并删掉电线杆、海报局部改字（臭豆腐改香豆腐 + 加拼音）。

这类任务真正的难点是分清「哪些该改、哪些必须不动」——实测未出现「改一个地方、整张图都变了」。文章结语给出了一个可直接复用的判据：对多模态模型的评价，不应只停留在第一张图有多惊艳，而要看面对多素材、多交付物、多轮修改的任务时，能否同时把信息完整性、设计表现、修改可控性做好。正式版已上线商汤小浣熊，同时面向企业提供 API。

原文：智东西 · 公众号插图、秋招物料、潮玩设计，实测商汤SenseNova U1 Pro

5. 宇树发布 Dex5-S 灵巧手：1:1 真手尺寸，22 个关节可反向驱动

宇树科技发布 Dex5-S 灵巧手：真手 1:1 尺寸，22 个关节均可丝滑反向驱动（反向驱动能力直接决定抓取的柔顺性与人机接触时的安全性），且每个关节自带极限冲击力矩保护，误碰硬物时不易损坏。

⚠️ 本轮仅有官方发布口径可读（36氪快讯为唯一源，无更长正文），未做第三方核实。

原文：36氪 · 宇树科技发布Dex5-S灵巧手

📄 其他

  • 爱范儿 · 新 Mac mini 首发实测：我的第一台「多 Agent」电脑：M6 每个 GPU 核心带 Neural Accelerator + 双 16 核 Neural Engine（AI 性能较 M4 最高 4 倍）；但本地跑模型的真实瓶颈是内存容量与带宽（M6 上限 32GB / 170GB·s⁻¹，M5 Pro 64GB / 307GB·s⁻¹）。实测 Qwen3.8 27B（4bit）总用时 2.9s、41.64 token/s，70B Llama 3.1 基本不可用（0.05 token/s）——48GB 的 M5 Pro 舒适区是 200–300 亿参数。苹果称可「全天候」运行智能体；OpenAI 采购数万台 Mac mini / Mac Studio 用于训练。
  • 36氪 · 2025年全球售出约7000台人形机器人：国际机器人联合会拟发布数据，仅覆盖工业与专业服务领域，不含消费级、军用与医用——可作「人形机器人出货量仍处极早期」的量级锚点。
  • 36氪 · 理想推进芯片子公司首轮融资，投前估值约150亿元：计划融资数十亿元；主体线索为 Mach Intelligent Cores Limited（香港）→ 上海马赫智芯智能科技（法定代表人：理想 CTO 谢炎）→ 上海马赫心科技。车企自研芯片从「上车」进入「独立融资」阶段。