三条新闻，一场仗

一个2000美元的证明，验证权不再交给权威

2026年8月1日，OpenAI宣布一个尚未发布的模型Astra解开了十道数学难题——横跨高维几何、编码理论、群论等八个领域，每一道都被数学界搁置至少十年。算力成本约2000美元。OpenAI把249页手稿和Lean 4形式化证明一并公开在GitHub上，证明里"sorry"（未证完标记）计数为零，意味着每一步都能被机器逐行验证。其中包括Gromov在1999年提出、悬而未决二十七年的"非亚有限群"显式构造。（TechTimes，Yahoo）

这不是OpenAI第一次宣称自己解开了数学难题。上一次，是个教训。2025年10月，时任OpenAI VP Kevin Weil公开宣称GPT-5解出十道Erdős猜想，几天后被数学家Thomas Bloom（erdosproblems.com站长，本期人物篇主角）当众拆穿——模型压根没产出原创证明，只是从文献里检索出了已有解法，而这些解法此前没被Bloom收进他的数据库，才让网站误标成"未解决"。Bloom当时的评价是"一次戏剧性的失实陈述"。（Quanta Magazine）

这次不一样，不一样在验证的方式上。Bloom亲自核实Astra的结果后，在X上称之为"big news"，评价高于OpenAI今年5月发布的那次结果。他给的理由很具体：证明用Lean 4形式化，任何人拿一台笔记本电脑就能跑一遍，编译通过就是通过，不通过就是不通过。这句话背后是一次验证方式的转移：从"请几位权威数学家读一遍、拿他们的声誉背书"，转向"发布一份任何人本地都能跑通过、跑不过的代码"。信任的来源，从人换成了协议。（explainx.ai）

划边界的是OpenAI自己的研究员Noam Brown（扑克AI Libratus/Pluribus、Meta外交游戏AI CICERO、o1推理模型的核心贡献者，CMU博士）：Clay数学研究所的七个千禧年大奖难题，一个都没被Astra碰。这十道题是"Astra恰好有理论基础可以借力"的题目，同一套架构能不能啃动最难的已知难题，现在还不知道。OpenAI同期宣布向10万名学术研究者免费开放前沿模型访问权限至2027年——一手拉近与科研界的关系，一手把研究基础设施沉淀到自己的平台上。

Google送走了自己最资深的四个人，却给他们投了钱

2026年8月5日，Google首席科学家Jeff Dean宣布离职。他1999年以第30号员工身份加入公司（当时公司只有二十来人），和Sanjay Ghemawat一起发明了MapReduce和Bigtable——今天所有大规模分布式计算系统的地基。2011年他联合创立Google Brain，第一次证明机器可以在无监督状态下识别"猫"这种高层概念，后来又推动了TensorFlow和TPU的立项。他离职后联合创立Discovery Loop，一家专注于用AI自动化科学与工程实验循环的公益公司（Public Benefit Corporation）。同一天出走的还有Sanjay Ghemawat（Google高级研究员）、Quoc Le（Google Brain联合创始人）、Oriol Vinyals（DeepMind Gemini技术负责人）。（TechCrunch）

首轮融资由Radical Ventures和Khosla Ventures领投，Kleiner Perkins、Lightspeed、Doerr Capital跟投。真正该细看的一笔是：Alphabet自己也是这家新公司的founding investor和云计算合作伙伴。一家公司把最资深的四位科学家送走，转身却给他们投钱、当他们的云服务商——这不是慷慨，是买保险：与其防着这几位另起炉灶变成对手，不如继续绑定他们，提前买下他们未来产出的期权。Dean在X上说使命是"自动化实验循环……初期聚焦机器学习研究与工程，但相信这套方法能帮助解决科学与工程众多领域的重要子问题"。（Jeff Dean on X）

这次出走是当天更大范围重组的一部分。Demis Hassabis卸任DeepMind CEO，转任董事长兼Alphabet首席科学家；原DeepMind CTO Koray Kavukcuoglu升任高级副总裁，直接向Sundar Pichai汇报，全面接管Gemini的日常开发。Alphabet股价当日跌了约4%——这已经是今年第二次因人才流失重挫股价，6月Noam Shazeer转投OpenAI、诺贝尔奖得主John Jumper转投Anthropic的消息，曾让股价一度暴跌7%。两次加起来，Alphabet市值蒸发约2250亿美元。（CNBC）

触发这次重组的，是Bloomberg 7月16日的一条报道：Google旗舰模型Gemini 3.5 Pro的发布落后计划数月，尤其编程能力没达到内部目标，而OpenAI和Meta同期发布的模型已经在代码生成上超过了Google现有产品。这次架构调整，把"交付责任"从一个可以被CEO层层委托的董事长职位，挪到了直接向Alphabet CEO汇报的SVP职位——升级路径变短了，下一次模型延迟谁该负责，变得更清楚。（CNBC）

Anthropic把旗舰做到半价，OpenAI把入门砍到两折

Anthropic在7月24日发布Claude Opus 5，定价和上一代持平（每百万输入token 5美元、输出25美元），性能却逼近旗舰Fable 5，价格只是Fable 5的一半。编程基准Frontier-Bench v0.1上，Opus 5拿到43.3%，是上一代（21.1%）的两倍还多；ARC-AGI-3上拿到30.2%，是第二名的三倍。但它不是全面领先——SWE-bench Pro上输给Fable 5，DeepSWE上输给GPT-5.6 Sol。一位评测者的说法很实在："它不像那种给出令人印象深刻第一个答案的模型，更像那种会一直干到任务真正完成的模型"；但同一份评测也提醒：简短写作、FAQ、简单分类、样板代码这类常规工作，Opus 5并不比便宜得多的Sonnet 5或Haiku 4.5表现更好。（eesel AI，Layer3Labs）

同期（7月30日），OpenAI反向操作，把最小模型GPT-5.6 Luna的输入价格砍到每百万token 20美分，是原发布价的五分之一。这次降价的技术来源要说清楚：OpenAI让旗舰模型Sol在Codex环境里对自己的GPU推理内核做自我优化，用自家的Triton/Gluon重写内核，把端到端服务成本降低约20%，同时重新设计投机解码的草稿模型，把token生成效率提升超过15%。这两个数字是两回事，不能直接相加成35%——这更像一次抢占轻量任务市场份额的战略定价，不是纯粹的成本传导。（TechTimes）

份额数字印证了这场仗打到了哪一步。2023年，OpenAI的企业API支出份额超过50%，Anthropic约12%；到2026年，这两个数字已经反过来——Anthropic约32%，OpenAI约25%（2026年4月首次反超）。落到具体产品线上更悬殊：Claude Code已经占了企业编程市场54%，OpenAI占21%；这款产品2025年5月发布，三个月内增长超过10倍，超过1000家客户在它上面年支出过百万美元，德勤向约47万名员工推广了它，是目前已知规模最大的公开企业级部署之一。（uncoveralpha）

但OpenAI的总营收（约130亿美元ARR）仍然领先Anthropic（约50亿美元）——两家走的是完全不同的生意。OpenAI 85%的收入来自ChatGPT个人订阅，Anthropic 85%来自企业客户。Anthropic产品负责人Dianne Penn的一句话，点出了他们定价策略的逻辑："客户优先看重的是价值交付，不是单纯降本，一个更便宜但做不到同等质量的模型，并不实用。"这解释了Anthropic为什么把Opus 5做成"逼近旗舰、半价"，而不是单纯打价格战。（ValueAddVC）

三条线，一件事

把三件事摆在一起看，顺序很关键。Google的旗舰模型先延期（7月16日曝光），编程能力没达标；紧接着（8月5日）公司最资深的四位研究骨干集体出走，DeepMind CEO交出了日常运营权。技术骨干在旗舰产品交付失利后短时间内集体离开、另立门户，通常说明一件事：这些人判断"留在体制内的边际研究自由和速度，已经低于自立门户的机会成本"。这是对"大公司做前沿研究的效率"投出的不信任票，不只是薪酬或个人选择的问题。Discovery Loop的定位——自动化科学发现循环——本身就是一个判断：下一阶段的竞争焦点，是谁能让AI自己加速产出新知识，而不再是谁的聊天模型更强。

OpenAI同一时间用一个尚未发布的模型去解数学难题，用旗舰模型重写自己的推理内核来降价，是同一个逻辑的两种呈现：用模型自己的智能，去自动化本该由人做的高价值劳动。一次做在知识生产端（数学证明），一次做在成本结构端（内核优化）。Anthropic把Opus 5做到"接近旗舰、半价"，是这场仗在价格维度上的打法——当模型能力增速放缓、边际收益递减，厂商开始比谁能用更少的钱拿到同等或更高的智力。

我的判断是：这周表面是三条独立新闻，底层是同一场"用AI自动化AI研发本身"的竞赛进入了新阶段。这个判断可能错——但如果"研究和工程本身可被自动化"这件事真的兑现，它改变的不是模型排行榜，而是一个人、一个小团队能触达的产出规模上限。这比"哪家模型更强"，值得任何小团队多想一层。

Google为什么反过来给离职的人投钱

多数报道停在"人才流失加重组"这个层面。真正该细看的一笔，是Alphabet亲自成为Discovery Loop的founding investor和云计算合作伙伴——公司没有把离职的核心科学家当竞争对手来防，反而选择继续绑定他们，买下他们未来产出的期权。据报道，Sundar Pichai多次与这几位研究员会面，想说服他们留下，但这几位最终还是选择彻底离开大公司体系，换取初创公司才有的乐趣、速度与自由。

这透露出一个比"人才战争"更冷静的判断：大公司自己也承认，像"自动化科学发现"这类前沿探索性研究，放在大公司的科层结构里做，效率天然更低——不是留不住人的问题，是"愿不愿意主动放这批人出去、用钱换未来接入权"的问题。这条对任何规模较小的团队都有直接的镜鉴价值：大厂尚且认定探索性研究该从主体业务里剥离出去单独跑，规模再小的团队，在"稳态执行"和"探索性研究"之间，也该有清楚的组织边界——不能用同一套流程，管两种性质完全不同的工作。

置信度与局限