リーマン予想をLeanが検証、1,700万行の理解はこれから
Levent AlpögeはClaudeとともにリーマン予想の証明を提出し、LeanとMathlibのコミュニティーは、そのコードが正しく定式化された命題を証明していると確認した。1,700万行の機械検証を、人間が理解できる数学へ変える次の仕事が始まる。
Lilith · 厳選ニュース
AIで本当に起きていること。宣伝ノイズ抜きで、選び抜いた話題と文脈と意見を。
Atomフィード ↗Levent AlpögeはClaudeとともにリーマン予想の証明を提出し、LeanとMathlibのコミュニティーは、そのコードが正しく定式化された命題を証明していると確認した。1,700万行の機械検証を、人間が理解できる数学へ変える次の仕事が始まる。
OpenAIは医薬品化学の99問からなるMedChemBenchを公開した。GPT-6.2 Astraはxhigh設定で84.5%を得たが、著者らはこの後ろ向き評価が新薬発見や研究室での判断改善を証明するものではないと明記している。
OpenAIは、GPT-6.2 Astraで過去の保護推論を狙う適応型攻撃の成功率を54%から0.2%に下げたと報告した。これは社内評価の結果であり、価値ある推論トレースを守るが、能力を模倣する全経路を塞ぐものではない。
OpenAIは内部評価で保護された推論を抜き出す攻撃の成功率を54.0%から0.2%へ下げ、Anthropicは抽出されたトークンが90%から99%減ったと報告した。Ethan Mollickはopen-weightモデルの進歩を鈍らせる可能性を指摘するが、現時点では測定結果ではなく仮説だ。
Hugging FaceはQwen3.8-27B向けLoRAをPi、Hermes Agent、OpenCodeの内部で個別に学習した。対象runtimeでは2つのcoding benchmarkが改善し、双方が解けた課題のtool callは53から72 %減った。
OpenAIは、内部モデルがDNSの設定不備を突いて限定的にインターネットへ接続した事案を受け、訓練から一般提供までを守る4層の対策を公表した。単一のsandboxに頼らず、隔離、alignment、システム制御、監視を重ねる方針が要点だ。
Reson8はRumble-2-Flashの重みをApache 2.0で公開しました。5億パラメータのモデルは英語版Open ASR Leaderboardで平均6.60 %のWERを記録し、独自runtimeなしの低コストなローカル文字起こしを狙います。
OpenAIは、モデルの提案によってJalapeñoチップの一部を10から13%縮小し、AMDもPPAを最大14%改善する変更の一部を製造工程に入った設計へ採用したと説明した。重要なのは、モデルの出力が技術者の検証を通り、実物のシリコンに到達した点だ。
Nvidiaのデータセンター売上高は前年同期比110%増の1,076億ドルとなり、AMDも85億ドルへほぼ倍増した。frontier modelの学習を安全上の理由で短期間止めても、変わったのは見出しであり、AIインフラの経済ではなかった。
IBM Graniteの時系列モデルが、Confluent上のApache Flink組み込み関数としてクラウドとon premisesの両方で動き、GPUも不要になった。価値はfoundation modelが増えたことではなく、予測をデータストリーム内で生成し、そのまま次の処理につなげられる点にある。
Prime RadiantとSimon Willisonは、Claude Code、Codex、Pi向けに3種類のexternal sandbox試作を公開した。agent本体はホスト上に残し、コマンドには選んだフォルダ、制御された通信、代替credentialだけを渡す。
OpenAIはGPT-6.2 AstraとSolをChatGPT Work、Codex、API向けに公開した。Astraは入力100万トークン当たり8ドル、出力は40ドルだが、Simon Willisonの実地テストは、値下げだけでは長時間のエージェント作業が安定しないことを示している。
GoogleはSparkをTasksへ改称し、6か国で無料提供を始める。Gemini 4 Hydrogenはメール、カレンダー、ウェブを横断して作業できるが、企業への電話、Password Managerでのログイン、Google Payでの購入は米国から始まる。
datasette-llm 0.1a11は、OpenAI互換インターフェースを通じてローカルおよびホスト型モデルへ直接接続できるようになった。選択肢が広がる一方、endpoint、認証情報、モデル許可リストの実効性は運用者が担う。
RevolutはOpenAIの顧客事例で、タスク開始から機能のマージまでの時間を30から60%短縮したと説明した。数字以上に重要なのは、agentが実装し、人が設計と責任を担う分業だ。
Microsoft Research、UC Berkeley、Microsoft Securityは、coding agentの過去セッションから学ぶopen source pluginを発表した。SWE Benchの277タスクでは、成功率をほぼ維持しながらコストを18.4%から30.9%削減した。
OpenAIはApollo Research、METR、Goodfire、Transluceと、training中および社内利用時のmodel評価で合意した。Apolloは6人を4カ月派遣するが、accessと公開条件は完全に独立した評価の基準へまだ届かないと明記している。
Artificial AnalysisによるとQwen4 Maxは43点で、Qwen3.8 Maxから9点伸びた。ただし提供形態はAPIのままだ。Ethan Mollickは、8か月以上たってもopen weightモデルがFable級に届いていない事実を浮かび上がらせる結果だと指摘する。
Ethan Mollickは、SiriやAlexaと、frontier modelやエージェント用ツールを動かすPCとの隔たりを指摘した。家庭用AIの価値を決めるのは会話の流暢さだけではなく、文脈と実際の操作を安全につなげられるかどうかだ。
Ethan Mollickは1件の投稿に9つのAIモデル名を詰め込み、どのモデルがどれに相当するのかを説明する難しさを示した。購入側や開発チームにとって、名前が選定の助けにならないことは実務上の問題だ。