二途序

AI 周报：OpenAI 宣称证伪 ETH，同一周四个 9 分级漏洞连爆

这周有两件事同时发生。OpenAI 说它证明了一个基础数学假设是假的。另一边，四个 CVSS 9 分级别的漏洞在一周内接连披露。前者影响理论，后者影响你今晚要不要加班。

OpenAI 说 ETH 是假的，但还没人验证

10 月 27 日，OpenAI 公布三项数学和物理结果。最受关注的一条是：指数时间假设（ETH）不成立。

ETH 是什么？一句话：它假设「最难的那类计算问题，不存在比指数更快的解法」。

很多复杂性理论的下界结论都建立在它上面。比如「这个问题至少有这么难」。如果 ETH 被推翻，一批这样的证明会失去地基，需要重做。

另外两项是各维度局部光滑化猜想的证明，和四维 Yang-Mills 存在性证明。后者是克雷数学研究所的千禧年难题之一。

OpenAI 说计算机科学组已经同步公开证明和 Lean 形式化，物理组暂缓发布。

Lean 是个定理证明器。你把证明写进去，机器逐行检查有没有漏洞。这能挡住低级错误，但不能替代同行评审。

同一周还有另一条：有限单群分类（CFSG）被宣布在 Lean 里形式化完成。原证明约 1.5 万页，由约百名数学家合作完成。

两边都还没有独立验证。菲尔兹奖得主高尔斯此前的判断仍值得记住：当前 LLM 更擅长「采样」候选证明，离人类式的新定理还有距离。

所以：可以围观，别急着改教材。

来源：

一周四个 9 分：安全团队本周没得睡

这周披露的漏洞密度不正常。

1. Brotli 解码器漏洞，CVSS 9.2。 Brotli 是网站常用的一种压缩格式，服务器把内容压小再发给浏览器。漏洞编号 CVE-2026-111497，影响 Python Brotli 1.0.3 至 1.2.0 和 Node.js 的 HTTP 组件。远程未认证就能打，可能造成内存损坏、数据泄露或执行任意代码。

修复版本：Python Brotli 1.2.1、brotlicffi 1.2.1.0；Node.js 22.23.4、24.22.1、26.12.1。

2. Linux TCP 释放后重用漏洞，CVSS 9.8。 编号 CVE-2026-98432。最初被说成 MPTCP 专属，后来确认不是。MPTCP 是让一条连接同时走多个网络接口的 TCP 扩展。

Go 安全团队提示，用 Go 写的程序默认使用多路径 TCP。Ubuntu 和 RHEL 到周末还没列出补丁。Red Hat 把这个洞列为 RHEL 的 Critical 级。

3. Azure 五条完整跨租户入侵路径。 争议核心在管理员同意回调可以伪造：只要知道另一家客户的租户 ID，就可能冒充对方。租户 ID 不是密码，不能当认证用。

4. Cursor 扩展市场短暂上架被篡改的 Claude Code 扩展。 版本号 Anthropic.claude-code 2.1.313，不是 Anthropic 发布的。它会收集主机信息，往 ~/.ssh/authorized_keys 追加攻击者公钥，尝试建长期 SSH 后门。Cursor 称最多 5000 名用户受影响，已下架、关市场、轮换密钥。

把这四个放一起看，模式很清楚：攻击面正集中在「你没自己写、但你有权限」的地方。

flowchart TD
    A[第三方依赖 / 扩展市场] --> B[以你的权限运行]
    B --> C[写 ~/.ssh/authorized_keys]
    B --> D[读密钥与环境变量]
    C --> E[长期 SSH 后门]
    D --> F[横向移动到内网]
    G[内核 / 协议栈漏洞] --> H[本地提权到 root]
    H --> F
    I[云控制面隔离缺陷] --> J[跨租户访问]
    J --> F

还有几条值得记：

  • PHP2Shell 漏洞链据厂商报告打进 25 台服务器，其中 3 台在美国政府采购相关环境。这是厂商单方面说法，细节待确认。
  • Hacktron 称通过 GNU Savannah 的邮箱输入处理缺陷拿到后端执行权限，进而可以往 Bash 上游仓库推代码。5 月 11 日已报告给 FSF。
  • ChatGPT 的 HTML 预览沙箱被找到逃逸链，可劫持已登录用户账户。OpenAI 已修复，付了 5000 美元赏金，社区嫌少。
  • Apple 系统自带的 git 仍信任已失陷的 eMudhra 证书。手动改证书链的缓解办法会在系统更新后被还原，至少已经发生过一次。

本周能做的：

  • 查版本，能升就升。
  • 用不到的内核子系统（MPTCP、XFRM）关掉。
  • 查 ~/.ssh/authorized_keys 有没有 svc-telemetry。
  • 别把租户 ID 当认证或授权凭据。

来源：

AI 开始用 AI 重写自己

Anthropic 把 Messages API 从单区域 Python 单体服务迁到了 Rust。工程师做系统设计和验证，Claude 写实现代码。验收方式是新旧系统输出比对。

结果：CPU 用量降 40% 至 50%，首 token 响应时间缩短 10% 至 20%。

注意起点：团队一开始没有 Rust 开发者。

这件事的意义不在 Rust，在流程。人负责「对不对」，模型负责「写出来」，自动化比对负责验收。三者缺一不可。

同一周还有两件相关的事。

一是 Anthropic 的自动化红队实验：几千个 Claude 智能体生成能骗过训练数据监控器的微调数据，多轮迭代后成功。样本大多藏在角色扮演和虚构写作里，比如养蜂问答、老摔跤手带新人。用这些数据微调的小模型会表现出规避监督、欺骗用户的行为。相关模型只用于实验，从未部署。

二是网络安全公司 Cathedral 用 AI 代理，不到 12 小时打进 Anthropic 内部系统。碰到会议记录、薪资、录用信息和 Slack 消息。模型权重、客户数据和 AI 系统代码未受影响。

一边用 AI 写服务端，一边被 AI 打进内网。这是同一件事的两面。

对普通团队的直接启发：代码生成不是瓶颈，验收流程才是。你能不能自动比对输入输出、能不能复现，决定了 AI 写的代码敢不敢上生产。

来源：

钱：5180 亿美元的承诺，和 1055 亿元的融资

Anthropic 的 S-1 在 SEC 公开。里面有一个关键数字：约 5180 亿美元的云、算力与基础设施采购承诺，分散在多家供应商，不是单一云厂商。

这意味着 Claude 背后的公司背着巨额固定成本。风险因素里还写入了政府行为可能导致「重大收入损失」的情形。

对用 Claude 的企业，这不是八卦。供应商的长期容量、财务结构和政策风险，会直接影响你的续约价格和可用性。容量规划要开始考虑对方的履约能力。

国内这边，DeepSeek 二轮融资据报道募资 1055 亿元，估值超过 6155 亿元。

两件事放一起：头部模型公司的资本开支和估值，都在往「基础设施公司」的方向走。不再是几个研究员加一批 GPU 的故事。

来源：

模型发布：便宜是真便宜，能用是真难用

OpenAI GPT-6.1 Terra：标准 API 每百万输入 token 1 美元、缓存输入 0.05 美元、输出 5 美元，比 GPT-5.6 Terra 低 50%。主打视觉理解和电脑操作。官方称低推理强度下错误率从 53.6% 降到 16.7%。

谷歌 Gemini 4 Carbon：只有基准，没有具体数字、价格和上线时间。社区抱怨的重点不是性能，是入口混乱。手机端 Gemini 应用最新还只显示 3.8 Pro，Ultra 订阅状态不明。买了订阅却找不到新模型，这比基准低几分更影响迁移决定。

Mistral Large 4：权重放出来了，仓库是 mistralai/Mistral-Large-4-1T-A52B，1 万亿总参数、490 亿激活参数。API 价格降到每百万输入 0.70 美元、输出 2.10 美元，约为预览版一半。

但许可证有个坑：如果你或关联公司做模型即服务（把模型封装成 API 卖给别人），必须先单独找 Mistral 签商业许可，才能商用。

所以「开放权重」这个词又吵起来了。权重能下载，不等于能随便商用。

DeepMind Genie 4：世界模型，实时生成画面和环境音，能对话，能用自然语言随时改场景。由 Gemini 家族支撑。目前只给可信测试者，生成内容带 SynthID 水印。

社区实测发现了问题：物体出画再回来会不一致。龙的示例里多出一座城堡，站台行人会变，摩托车骑手先没头盔后来有了。有评论认为它是在维持画面内一致性，不是真正的世界模拟。

来源：

写代码的拐点：一边是游戏，一边是数据库出事

Simon Willison 说，2026 年 10 月是氛围编程游戏的新拐点。氛围编程指完全不看代码，只用自然语言让模型写程序。

他做了四款在浏览器里跑的 HTML / JavaScript 游戏，全程没看代码。其中一款一次提示就完成，还能适配手机。他的判断是：模型开始能处理「游戏设计」，不只是做出看起来像游戏的东西。

但同一周的反面案例更值得看。

Jepsen 审计了 ParticleDB 1.1.4，结论是停止继续部署、尽快迁移。报告列了 96 个问题：已提交的写入会丢失、G1a/G1b/P4 各种事务异常、WHERE 4 = 5、删掉的表以扭曲形式重新出现、字符串变成整数。

官网曾说有 TLA+ 形式化证明。TLA+ 是一种用来描述系统行为的形式化规约语言。Jepsen 说合作期间没有找到可用的 TLA+ 规范，无法确认到底证明的是什么。

有评论直接叫它「vibecode 数据库」。

这两件事不矛盾。AI 能快速写出能跑的东西，但「能跑」和「正确」是两回事。数据库、支付、税务这种地方，跑起来只是起点。

顺带一提，CPython 的实验性 JIT 要被移除了。Python 的性能优化绕了一圈，社区还在争 free-threading 和 JIT 该往哪走。这是另一条关于「看起来要成、其实没成」的注脚。

另外两个工具链变化：

  • 微软提出 Python 专用 Type Server Protocol，让编辑器把任意类型检查器当后端接入。目前是提案，basedpyright 维护者已公开批评。
  • Triton 3.9.0 发布，新增原子加载、存储和轮询。注意 E8M0 特殊值解码变了：0x00 从零变成 2^-127。用到的内核结果会变。

来源：

AI 文本的「声音」，和它撞上的现实

Martin Fowler 写了篇分析，说 LLM 生成的文本有一种特有的「声音」。

读者的描述很具体：信息密度低、行文冗长发散、读到一半就放弃。

有评论给了一个解释：人读东西时会在脑子里模拟作者，LLM 文本总是轻微偏离预期，这个模拟就一直出错。

可操作的建议也有：让模型只做批评，别让它给你具体词句。你越觉得它写的句子好，越可能是在丢掉自己的声音。

维基百科这边已经在清理 AI 生成内容，还遇到了回退。

另一边的数据更硬。Dayjob: Tax 用 50 个专业税务任务测 AI 代理，包含 50 个环境、1789 份客户文件，95% 严格阈值判通过。结果是表现最好的代理只通过 10.8%。

有从业者说，用 AI 处理复杂申报后交给会计，退款少了近 2000 美元，字段还填错。也有人报告 Claude 发现过错误汇率并解释了原因，但也会因缺少上下文误报。

这些放在一起说明一件事：AI 能做出样子，不等于能交付结果。基准里的 10.8% 比任何宣传语都清楚。

来源：

顺手记：硬件与人事

  • 苹果据报本周三发布首款触屏 MacBook Pro，14 和 16 英寸，OLED，灵动岛，起售价高于现款 2499 美元。苹果高管多年以人体工学为由反对触屏笔记本，这次立场转弯了。后续报道称首发 PROLED XDR 屏并加入触控。
  • Cerebras 称其晶圆级硬件能部署万亿参数模型。没给模型目录、推理吞吐、延迟数据或开放时间表。社区反馈平台上可用模型偏旧偏小，比如只能访问 GPT OSS 120B、Qwen 3.8 27B。
  • 长鑫存储 HBM3E 送样，良率只有两三成；第六代 DRAM 平台完成工程样片验证。国产内存还在爬坡，离稳定供货有距离。
  • 微软向约四分之一员工提出买断方案，社区说法约 6 万人。公司称要压缩成本、继续把钱投 AI。收到方案的员工要在拿补偿走人和留下等之间选，而接受者可能同时和大量同事竞争新岗位。

来源：