AI DAILY / 2026-06-05
Anthropic 连续发布多组内部基准数据：Mythos Preview 在训练代码优化任务上实现 52 倍加速，Claude 在开放式编程问题上成功率达 76%，工程师人均代码交付量较两年前提升 8 倍。OpenAI 研究团队宣布其模型找到了 Erdős 猜想的反例，该猜想已悬而未决 80 年。平台侧，NVIDIA 发布 Nemotron 3 Ultra（550B 参数、100 万上下文），OpenAI 向美国付费用户推送 ChatGPT 新记忆系统，容量翻倍。
Anthropic 在 X 平台公布了一项内部基准测试：每次发布新模型时，要求模型优化一段训练小 AI 模型的代码使其运行更快。 熟练人类工程师需要 4-8 小时实现 4 倍加速；2025 年 5 月，Claude Opus 4 平均约 3 倍加速；2026 年 4 月发布的 Mythos Preview 平均达到约 52 倍。Anthropic 同时发布更正说明，澄清 Opus 4 的 3 倍加速基线来自 2025 年 5 月，而非 2024 年——该评估基准自 2024 年 9 月才建立，回测显示 2024 年 5 月的模型没有任何加速。 Anthropic 表示，虽然 Claude 目前尚不具备研究判断能力（即选择正确研究问题的能力），递归自我改进尚未到来，但如果当前趋势持续，AI 系统自行设计和构建继任者将变得合理。
Anthropic 宣布 Claude 在开放式编程问题上的成功率达 76%，较 6 个月前提升 50 个百分点。 许多工程师反馈 Claude 的代码质量已与人类程序员相当，Anthropic 预计年内将超越人类水平。同期，Anthropic 工程师人均每季度代码交付量较 2021-2025 年期间提升 8 倍，公司预测两年后可达 16 倍。 这些数据来自 Anthropic 官方 X 账号的系列推文，未披露具体度量标准和代码库规模。
Anthropic 公布了一项回溯测试结果：在 AI 研究 session 中，当人类研究者走错路时，Mythos Preview 给出的下一步建议 64% 的情况优于人类，较 2024 年的 22% 大幅提升。 测试方法是截取真实研究 session 至出错节点，让模型判断下一步。 ---
OpenAI 研究人员 Alex Wei、Hongxun Wu 和吴军在 OpenAI Podcast 中宣布，他们的大模型找到了一个存在 80 年之久的 Erdős 猜想的反例。 该猜想由数学家 Paul Erdős 提出，长期未被证明或证伪。研究团队在播客中讨论了数学家与模型协作的新范式。目前尚未发布论文或详细证明。 ---
NVIDIA 正式发布 Nemotron 3 Ultra 大语言模型，总参数 5500 亿，采用 MoE 架构仅激活 550 亿参数，支持 100 万 token 上下文窗口。 该模型专为长运行 Agent 设计，优化了多轮推理、工具调用和子代理协作场景下的 token 效率。NVIDIA 官方博客称，Nemotron 3 Ultra 针对多代理工作流中 token 数量快速增长的问题进行了优化。 模型已在 NVIDIA 官方渠道公布，社区关注其本地部署可行性和开源计划。
OpenAI 向美国 Plus 和 Pro 用户推送 ChatGPT 新记忆系统，记忆容量翻倍。 新系统可自动追踪重要细节，支持跨对话携带上下文，并理解时间维度（如"七月旅行"的即将到来、进行中和已结束状态）。用户可通过记忆摘要查看和引导 AI 记住的内容，也可在设置中切换回旧版。 Sam Altman、Greg Brockman 和 OpenAI 官方账号分别发帖宣布此事。
Sam Altman 在 X 平台发帖称，ChatGPT 现已支持通过自然语言对话构建和发布 Web 应用。 该功能降低了编程门槛，用户无需传统开发环境即可创建和部署 Web 应用。Altman 同时提到 OpenAI 即将发布新动态，配文"是时候起飞了"，引发社区对 GPT-5 或新产品的猜测。 目前仅来自社交媒体，OpenAI 尚未发布详细功能公告。 ---
BeeLlama v0.3.1 基于最新 llama.cpp，集成 DFlash、MTP、q60 KV Cache 和 TurboQuant，在单张 RTX 3090 上运行 Qwen 3.6 27B 和 Gemma 4 31B 推理速度最高达 177.8 tok/s，相比基线加速 4.93 倍。 DFlash 现支持多槽位、多 GPU 配置和自适应草稿深度优化，新增 TQ31S/TQ41S 量化格式。该版本已被 club-3090 社区推荐为默认引擎。
NVIDIA 发布 JetPack 7.2，为 Jetson 边缘平台带来一键部署 NemoClaw 代理框架、Jetson 代理技能、Thor 的 MIG 分区支持、官方 Yocto Project 支持等更新。 Jetson AGX Orin 32 GB 启用 Super Mode 后，AI 性能从 200 TOPS 提升至 241 TOPS，模块成本降低 45%。JetPack 7.2 统一了 Orin 与 Thor 的软件栈（Ubuntu 24.04、内核 6.8、CUDA 13.0）。
NVIDIA 推出 Verified Agent Skills 计划，为 AI Agent 的技能提供能力治理框架。 该计划通过验证和认证 Agent 使用的指令，确保其符合安全与性能标准，目标是在企业规模化部署 Agent 时建立信任。同期，NVIDIA 还发布了 cuOpt Agent Skills，将供应链优化决策从传统运筹学团队数周的手动建模转变为 Agent 自动化流程。 ---