Models9月5日 13:15

陶哲轩评GPT-6孪生素数研究

陶哲轩吐槽GPT-6孪生素数新突破：令人无语的一幕

量子位@梦瑶

Blog/Media

Read the original

Why we picked it

陶哲轩亲自点评GPT-6数学研究，AI直接给出答案但过程存疑

陶哲轩对GPT-6在孪生素数研究中的表现发表评论。GPT-6直接给出了正确答案，但陶哲轩认为过程存在问题。该研究涉及数学证明和推理过程，而非仅关注结果。陶哲轩作为数学家对AI在数学领域的应用持谨慎态度。

Image · 量子位

Original · 量子位

陶哲轩吐槽GPT-6孪生素数新突破：令人无语的一幕

AI直接吐出正确答案，但最关键的可能不是答案

Industry Coordinates & Source Verification

This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include GPT-6, 陶哲轩, 孪生素数, 数学推理.

Source attribution: curated from 量子位 (@梦瑶).

#GPT-6 #陶哲轩 #孪生素数 #数学推理

Keep reading

Recent stories with the same tag or section

Models US vs ChinaMulti-source12:20

Chinese contentClaude Fable 5.2 登顶 AA-Robotics v0.1 榜单

Anthropic 的 Claude Fable 5.2 在机器人评测 AA-Robotics v0.1 上拿到 75 分，超过 OpenAI 的 GPT-6 Astra 和 GPT-6.1 Sol。它还是首个完成 measure box 任务的模型，纯靠视频加卷尺刻度估算尺寸。做机器人方向的人可以关注这套评测。

#Claude #GPT-6 #Anthropic #机器人评测

Event

Official accountArtificial Analysis@ArtificialAnlysSource

Papers BuildersMulti-source13:09

Chinese contentRoboRisk 基准与 LEASH 安全框架：给机器人智能体加上安全闸门

让 GPT-6、Claude Opus 5.5 这些模型去真控制机器人，危害率都不低。这篇论文给了一套能直接套在现有架构上的三层闸门方案，任务照做、危险操作被拦，做具身智能和机器人方向的开发者值得看测试细节。

#LEASH #RoboRisk #Claude #GPT-6

Event

arXiv: OpenAI@Qinfeng Zhu et al. (8)Source

Models BuildersMulti-source08:11

Chinese contentBrowser Use：Muse Ember 以 3 美分成本跑完数百步浏览器任务

Browser Use 拿 Muse Ember 跑最难的长时程浏览器基准，63.9 分追平 GPT-6 Luna medium，单任务 3 美分还便宜 2.4 倍。做浏览器智能体的人可以算算换成 Ember 能省多少预算，跑几百步的长任务终于不用心疼钱了。

#Muse Ember #Browser Use #GPT-6 #智能体

Event

Browser Use@browser_useSource

Papers BuildersMulti-source12:03

Chinese contentDeepFinance 基准：AI 能否尽调一亿美元级交易？

arXiv 上这个新基准把 21 项真实 PE/投行任务交给 22 个模型跑，GPT-6 Astra 也只满足 57.6% 的评分标准。想看 AI 在尽调这种长链路、要审计的高风险工作里到底几斤几两的，值得把论文里的失败案例翻一遍。

#DeepFinance #GPT-6 #私募股权 #投行

Event

arXiv cs.AI@Drew Hahn et al. (4)Source

Models BuildersMulti-sourceSelected06:52

Muse Ember Matches GPT-6 Luna on Browser-Use Benchmark at Lower Cost

Pricing per task, not raw benchmark scores, is becoming the deciding metric for agent builders, and Muse Ember now defines the cost-performance frontier for browser automation. Teams running web agents at scale can cut per-task cost by 2.4x versus GPT-6 Luna medium with no score loss on hundreds-of-steps workloads. Engineers evaluating browser-use stacks should re-benchmark their model choices against sub-5-cent tiers before defaulting to frontier models.

#Muse Ember #GPT-6 Luna #browser-use #agents

Event

Browser Use@browser_useSource