OpenAI 撤回 3 篇数学手稿：一个符号错误连带拖垮两篇

深度摘要

OpenAI 数学仓库的 history.md 公布了一次公开纠错：因《Algebraicity of Weil classes on split abelian eightfolds》中的符号错误导致稳定化迹消去论证失效，连带撤回三篇手稿；另修订 14 篇、更新 13 篇的引用。撤回手稿的 README 保留缺口说明与存档链接，修订手稿保留版本历史。同时新增 6 个形式化与 5 项补充，顶层结果的 Lean 形式化覆盖率达到 300/719（约 42%）。

关键要点

• 一个符号错误使 Weil 类代数性论文中的稳定化迹消去论证失效，并连带拖垮两篇依赖其构造的论文，三篇全部撤回
• 另有 14 篇手稿被修订（Lipschitz 高度与 Ashkin-Teller 流 4 篇、Kähler 极小模型纲领 6 篇等），13 篇仅更新引用
• 撤回手稿的 README 说明缺口并链接存档版本，更新手稿保留历史版本可查——纠错过程全公开
• 新增 6 个形式化与 5 项补充后，顶层结果 Lean 形式化覆盖率升至 300/719（约 42%）

关键事实

2026-10-08 前后，OpenAI 在其 openai/math 仓库的 history.md 公布：在《Algebraicity of Weil classes on split abelian eightfolds》中发现一个符号错误，使稳定化迹消去论证失效，并波及两篇依赖该构造的论文，因此撤回三篇手稿；另修订 14 篇手稿（证明修复、陈述修正、假设澄清、移除一条过时引用），13 篇更新引用指向修订版；新增 6 个形式化与 5 项补充，顶层结果的形式化覆盖率达到 300/719（约 42%）。

作者观点

公告的口径是“发现问题、公开说明、保留版本历史”：撤回的三篇给出缺口说明并链接存档手稿；其余 14 篇的修订被描述为“证明修复、陈述修正、假设澄清”，另有 13 篇仅更新引用。形式化覆盖率从事件中被拿出来展示（300/719 ≈ 42%），暗示 Lean 证书是这套发布机制的纠错基础设施之一。

为什么重要

这是“AI 批量产出数学证明”模式的第一次公开压力测试：当证明多到人类读不过来时，错误靠什么被发现、又如何被修正。这次的处理方式（公开缺口说明 + 版本历史 + 形式化兜底）本身，就是 AI 时代科研基础设施的样板。

编辑点评

这是昨天本报头条“The Mathocalypse”（372 个数学大结果倾倒）的直接续集，而且是最有信息量的那种续集：它告诉你“批量产出证明”之后会发生什么。符号错误→论证崩塌→连带撤回两篇依赖论文，这条因果链恰好击中了“AI 数学”最脆弱的一环——人类来不及消化证明，也就发现不了错误。值得注意的另一面是处理方式：缺口说明 + 存档手稿 + 版本历史全公开，这是比“倾倒式发布”本身更成熟的科研基础设施姿态。跟踪后续：Lean 形式化覆盖率（现 42%）能否在纠错中继续爬升，是衡量这套机制可信度的硬指标。

深度摘要

OpenAI 在投资者演示中披露 9 月底年化营收约 500 亿美元（CNBC 证实），低于 9 月底广泛报道的 680 亿美元——知情人士称 680 亿口径包含了合作伙伴的总收入，而 500 亿是更便于与 Anthropic 对比的口径。公司同时披露 Q3 总 run rate 增长 77%、企业业务增长 107%。消息导致 Nvidia、Oracle、CoreWeave 等 AI 概念股集体下跌。背景是 OpenAI 6 月已秘密递交 IPO 招股书、目标 2027 年上市，正洽谈约 300 亿美元的新一轮融资。

关键要点

• OpenAI 披露 9 月底年化营收约 500 亿美元，低于此前广泛报道的 680 亿——后者口径含合作伙伴总收入
• Q3 总 run rate 增长 77%，企业业务 run rate 增长 107%，是财报里真正的基本面亮点
• 消息引发 AI 概念股跳水：Nvidia -3%、Oracle -6%、CoreWeave -8%，AMD、博通、英特尔、超微均跌 4-5%
• OpenAI 6 月已秘密递交 IPO 招股书、目标 2027 年上市，8520 亿美元估值面临自证压力
• Anthropic 同期披露年化 650 亿美元，传闻以 2 万亿美元估值 IPO——两家进入“对账”竞赛

关键事实

OpenAI 在投资者演示中披露 9 月底年化营收约 500 亿美元（CNBC 证实，FT 首报），低于 9 月底广泛报道的 680 亿美元；知情人士称 680 亿口径含合作伙伴总收入；公司同时披露 Q3 总 run rate 增长 77%、企业业务增长 107%。受消息影响，Nvidia 跌 3%、Oracle 跌近 6%、CoreWeave 跌近 8%、AMD 跌 4%、博通跌 4%、英特尔跌 5%、超微跌近 5%。OpenAI 6 月已秘密递交 IPO 招股书，目标 2027 年上市；3 月完成 1220 亿美元融资，现正洽谈约 300 亿美元新一轮融资。Anthropic 8 月披露年化 650 亿美元（7 月底），传闻 IPO 目标估值 2 万亿美元。

作者观点

CNBC 的叙事框架是“预期差引发抛售”：把 680 亿解读为含合作伙伴总收入的口径、500 亿为更可比的口径，并引用知情人士称后者便于与 Anthropic 直接对比。报道同时把事件放进更大的 IPO 叙事——OpenAI 6 月已秘密递交招股书、目标 2027 年上市，8520 亿美元估值需要向投资者自证。

为什么重要

AI 资本开支叙事的锚正在从“故事”转向“口径可比的数字”：OpenAI 的收入增速被市场直接当作英伟达们订单的前瞻指标，一次口径修正就引发全产业链回调。Anthropic 650 亿 vs OpenAI 500 亿的可比数字，也第一次让两家巨头的 IPO 估值有了对账基准。

编辑点评

数字本身（500 亿 vs 680 亿）不如口径之争重要：含合作伙伴总收入 vs 可比口径，差的是 180 亿美元的“叙事水分”。结合 Anthropic 8 月披露的 650 亿美元年化（7 月底）与 2 万亿美元的 IPO 目标价，这轮 AI 资本叙事正在被财报口径逐一对账。用户持仓里的半导体链（NVDA、AVGO、AMD、INTC、SMH）当天全线下跌，说明市场把 OpenAI 的收入增速直接当成了 AI 资本开支的先行指标——这个传导链条值得盯着。

深度摘要

Cactus Compute 发布开源语音识别模型 Whistle：16.9 MB 单文件、纯 CPU 运行、零依赖，与自家 Needle 文本模型共用同一个 C++ 引擎。支持 7 国语言、最长 30 秒转写，首 token 延迟约 11 毫秒，并输出词级时间戳与语音 embedding。在 LibriSpeech、SPGISpeech、Earnings-22 等多个基准上超过 145 MB 的 Whisper base。最有意思的是产品形态：同一个二进制可以把一段录音直接变成 function call 的 JSON，让语音成为智能体的默认输入。

关键要点

• 16.9 MB 单文件、纯 CPU、无依赖，与 Cactus 的 Needle 文本引擎共用同一 C++ 运行时
• 7 国语言转写 + 词级时间戳 + 语音 embedding（每 80ms 一帧），音频不出设备
• 首 token 11 毫秒量级且跟踪音频长度；Whisper 因固定填充 30 秒而延迟恒定
• 多个基准 WER 超过 145 MB 的 Whisper base；测试集去重经音频校验和与说话人 ID 验证
• 一个二进制完成“录音→转写→工具调用”：needle 可直接把音频变成 function call 的 JSON

关键事实

Whistle 为 Cactus Compute 发布的开源语音识别模型：16.9 MB 单文件、纯 CPU、无依赖；支持英/德/法/西/意/荷/波 7 国语言、最长 30 秒单次转写；首 token 延迟 5.9ms（5 秒音频）至 36.3ms（30 秒音频）；编码器 8 个 Simple Attention 块、解码器 8 个 laddered 块（宽 512）；5-beam 解码、Aho-Corasick 关键词偏置、8192 词表 + 7 个语言 token。在 LibriSpeech test-clean/other、SPGISpeech、Earnings-22、FLEURS 平均 WER 上超过 Whisper base；Whisper base 在 TED-LIUM、AMI、MLS 平均上占优（145.3 MB vs 16.9 MB）。权重在 Hugging Face，引擎在 Cactus-Compute/needle3。

作者观点

作者的立场是“小而专打败大而全”：16.9 MB 的 Whistle 在多个基准上超过 145 MB 的 Whisper base，且首 token 延迟跟踪音频长度而非像 Whisper 那样固定填充 30 秒。整篇文章的论证方式是“架构透明 + 可复现基准”，连测试集去重都写明了校验方法（音频校验和与说话人 ID 比对）。

为什么重要

语音模型的竞争正在从“更大更准”转向“更小更快更便宜”：16.9 MB 打平 145 MB 的 Whisper base，意味着高质量语音识别可以塞进手表、MCU 和浏览器。结合“录音直达工具调用”的设计，这是端侧智能体缺的那块输入拼图。

编辑点评

端侧语音这条线值得认真看：不是又一个“我们也做了 Whisper”，而是把语音识别做成和文本模型共用同一个 C++ 引擎、一个二进制完成“录音→工具调用”的基础设施。11 毫秒首 token、16.9 MB、7 国语言、词级时间戳、Aho-Corasick 关键词偏置——这些工程细节拼起来，指向的是“语音成为智能体默认输入”的那一天。基准声明也很讲究：明确标注了对手没公布的项、子集口径差异（AMI-IHM vs AMI），这种诚实度在模型发布里少见。

深度摘要

作者用同一条 prompt（“用 three.js 可视化卡尔维诺《看不见的城市》，不许提问，一次成型，6 小时，做到杰作”）做了对照实验：GPT-6 Astra 经 Codex 53 分钟、约 10 美元完成，但成品有明显的 AI 堆砌感；Claude Opus 5.5 经 Claude Code 派出 6 个并行子智能体，用 1 小时 25 分钟、约 74 美元交出让作者“目眩”的作品。作者的结论是：Astra 是解谜题的跳跃，Opus 5.5 是设计的跳跃——交互式可视化是与“做个落地页”完全不同的一档。

关键要点

• 同一条 prompt、同一任务：GPT-6 Astra（Codex）53 分钟/$10 vs Claude Opus 5.5（Claude Code）1 小时 25 分钟/$74
• Opus 5.5 动用了 6 个并行子智能体，合计约 7 agent-hours，成品让作者“目眩”
• Astra 的产出有典型 AI 堆砌感（加概念、加注释、不检查是否必要），还“学会”了 Claude 系米色极简审美
• 作者此前用 Opus 4.8 / Fable 5.1 做可视化的经验：初稿惊艳，去 AI 味和修重叠是主要痛苦
• 结论：交互式可视化是与“做个落地页”完全不同的一档，长程设计任务正在被智能体接管

关键事实

作者用同一 prompt（“用 three.js 可视化卡尔维诺《看不见的城市》，不许提问，一次成型，给你 6 小时，做到杰作”）对比两个模型：GPT-6 Astra 经 Codex 用 53 分钟、约 $10 token 完成，但有明显 AI 堆砌感；Claude Opus 5.5 经 Claude Code 用 1 小时 25 分钟、6 个并行子智能体（合计约 7 agent-hours）、约 $74 完成，作者评价为“目眩”。此前作者还试过 Opus 4.8（初稿好、去 AI 味痛苦）与 Fable 5.1（需人工扶着做设计）。

作者观点

作者的判断很直白：GPT-6 Astra 是解谜题的跳跃，Claude Opus 5.5 是设计的跳跃。他的证据是同一条 prompt、两个 harness 的对照实验：Astra 53 分钟/$10 的产出仍有“AI 味”（堆概念、不检查是否必要），Opus 5.5 用 6 个并行子智能体 1 小时 25 分钟/$74 做出了让他“目眩”的作品。结尾的自我诘问（“我在交互媒体创作中的位置是什么”）是全文最诚实的一句。

为什么重要

这是少见的“同一任务双模型对照”一手记录：时间、花费、子智能体数量全部公开。长程自主设计任务正在成为区分模型代际的主战场，而“提前交卷但质量碾压”说明智能体的效率曲线也在陡峭化。

编辑点评

这篇的价值在于实验设计：同一条 prompt、同一个任务、两个模型、完整记录时间与 token 花费——这比任何 benchmark 都更接近“真实工作流中的模型差异”。注意两个细节：一是 Opus 5.5 只用了 1 小时 25 分钟就停了（作者给了 6 小时），“提前交卷但质量碾压”本身就是信号；二是 Astra 居然“学会”了 Claude 系可视化的米色审美，说明风格迁移正在变成模型的默认能力。设计类长程任务，可能是继编码之后第二个被智能体实质接管的品类。

深度摘要

TypeScript 7 编译器（微软 Go 版）被 LLM 移植到了 Rust，作者“一行代码都没读过”。过程极具戏剧性：GPT-5.6 Sol 和 GPT-6 Astra 花了几个月、130 万行 Rust、40 多万美元 token，卡在 84% 兼容度；换上 Claude Opus 5.5 后，10 小时就做出可用 v0（从零重写），两周总花费约 2.4 万美元。成果：18 万个移植测试全部通过，在 60 个开源项目上类型检查比 Go 版快约一半，npm 装 tsc-rs 即可直接替代 tsc。

关键要点

• GPT-5.6 Sol / GPT-6 Astra 几个月、130 万行 Rust、40 多万美元 token，卡在 84% 兼容度
• 换 Claude Opus 5.5 后 10 小时做出可用 v0——且是从零重写，不是接着之前的代码写
• 两周总花费约 $24,047，移植的 181,711 个 Go 测试全部通过
• 60 个开源项目实测：类型检查速度约为 Go 版 tsc 7 的一半（几何平均快 1.61×）
• npm i tsc-rs 即可作为 tsc 的直接替代品，MIT 协议，锁定上游 2026-09-29 修订版

关键事实

ts-rust（tsc-rs）是 TypeScript 7 编译器（微软 Go 版）向 Rust 的实验性移植，作者 pingdotgg 用 LLM 完成：GPT-5.6 Sol / GPT-6 Astra 数月写 130 万行 Rust、花费超 $400,000 token，卡在 84% 兼容度；改用 Claude Opus 5.5 后 10 小时做出可用 v0（从零重写，非延续之前代码），两周总花费约 $24,047（约 $200 周套餐额度的 925–983%）。成果：移植的 181,711 个 Go 测试全部通过；在 60 个开源项目上类型检查速度约为 Go 版 tsc 7 的一半（几何平均 1.61×）；npm 包 tsc-rs 可直接替代 tsc；MIT 协议；锁定上游 microsoft/TypeScript 673a5f17d713（2026-09-29）。

作者观点

作者的口吻是工程师式的炫耀与诚实并存：标题党式的“LLM 能移植 TypeScript 编译器吗？能”，紧接着承认烧了 40 多万美元 token、自己“一行代码都没读过”。他对结果的限定也很清楚：这是早期版本、已知问题列表公开、benchmark 方法学（hyperfine、中位 5 次、同一机器）写得比很多论文都细。

为什么重要

这是“模型代际差”最硬核的一手证据：同一任务、前代模型数月未竟、新模型十小时拿下，且有完整的失败对照组和可复现的 benchmark。编译器移植是公认的高复杂度长程任务——它被攻克，意味着“什么规模的工程可以交给智能体”这个问题的答案正在快速改写。

编辑点评

这篇和上一篇（Opus 5.5 可视化）互为印证，但信息量更大：它给出了失败对照组——GPT-5.6 Sol 和 GPT-6 Astra 几个月、130 万行 Rust、40 多万美元，卡在 84% 兼容度；而 Opus 5.5 从零开始、10 小时出 v0、两周 2.4 万美元做到 18 万测试全过。注意作者特意验证了“不是接着 Codex 的代码继续写，而是从零重写”——这排除了“站在前人肩膀上”的解释，指向的是模型本身的长程规划能力跃迁。1.61 倍于 tsc 7（Go 版）的速度则是意外之喜：Rust 移植不只是复刻，还更快。

深度摘要

一位开发者重度使用 DeepSeek 4.1 Flash 一个月后发问：这么强还这么便宜，行业为什么不慌？他的答案是“够用改变工作方式”——KV cache 相对 V1 缩小约 437 倍，每月 10 美元基本无限量编码，单 session 很少超过 1 美元，于是开一堆探索性任务从奢侈变日常。他的工作流已经分层：DeepSeek 负责执行，偶尔请 Opus 5.5 来做关键任务的终审 code review——前沿模型降级成了质检员。

关键要点

• 重度使用一个月后，作者在 session 中“不看模型名分不出是 DeepSeek 还是 Opus”
• KV cache 相对 V1 缩小约 437 倍——长 session 便宜的根本原因，也是自托管派该盯的指标
• OpenCode Go 每月 10 美元基本无限量，单 session 很少超过 1 美元，“无脑任务”从奢侈变日常
• 工作流已分层：DeepSeek 负责执行，Opus 5.5 偶尔被请来做关键任务的终审 code review
• 为省钱自托管已不划算；但 cache 优化终将下放到本地，隐私场景值得等待

关键事实

作者重度使用 DeepSeek 4.1 Flash 约一个月，结论是与 Opus 在 session 中“不看模型名分不出区别”；DeepSeek 相对 V1 把 KV cache 缩小约 437 倍，这是长编码 session 便宜的根本原因；作者用 OpenCode Go（$10/月）获得基本无限量，单 session 很少超过 $1 预期成本；工作流已分层：DeepSeek 执行、偶尔用 Opus 5.5 做关键任务的终审 code review；作者认为自托管为省钱已不划算，但隐私场景值得等 cache 优化下放到本地。

作者观点

作者的立场是实用主义者的“够用就好”：他承认前沿实验室可能领先一两个月，也调侃了训练数据归属争议（“DeepSeek 偷了 Claude 的训练数据，Anthropic 也是从别人那偷的”），但核心论点是经济性的——当模型“足够好”，追逐最新旗舰就是“让数学博士去整理桌面文件”。他把自己定位为长期主义者：关心可持续性与智能普惠，而非省钱。

为什么重要

当“足够好”的模型把边际成本打到接近零，竞争维度就从能力转向成本结构：FAANG 们还在为最高智能付最高价，而一线开发者已经用 10 美元/月的无限量重构了工作流。这对“前沿溢价”能维持多久，是个真问题。

编辑点评

这篇是本期“性价比”主题的第三块拼图，也是最贴近一线开发者的视角。关键数字不是 benchmark 分数，而是作者的账本：OpenCode Go 每月 10 美元、DeepSeek 基本无限量、单 session 很少超过 1 美元——于是“开一堆无脑任务、探索性 UI 猴测”从奢侈变成日常。注意他的工作流已经分层：DeepSeek 做执行，偶尔请 Opus 5.5 做终审 code review——“ frontier 模型降级为质检员”。以及那个技术细节：KV cache 相对 V1 缩小约 437 倍，这是长 session 便宜的根本原因，也是自托管派应该盯的指标。

深度摘要

有人用 vibe coding 把 Adobe Creative Cloud 全家桶重写了一遍，叫 ArtCraft（getartcraft.com）：Photoshop、Premiere、Acrobat、InDesign 都有对应品，Rust 编写、AppImage 分发，体积只有数十 MB。Tedium 作者亲测：启动飞快、能识别独立 GPU，几分钟就能修图，但颜色选择器、字体检测等细节还很糙。他的结论是：值得欢呼的不是好用，而是它证明了当巨头忽视用户时，“重写”这件事的成本已经被 AI 打下来了——“用 AI slop 对抗 AI slop”。

关键要点

• Brandon Thomas 的 ArtCraft：clean-room 方式 vibe coding 重写 Creative Cloud 全家桶
• Rust + AppImage，体积数十 MB（Adobe 系数百 MB），启动快、秒识别独立 GPU
• 作者亲测可用但细节粗糙：颜色选择器、二级菜单、字体检测都有毛边
• 作者论点：值得欢呼的不是好用，而是证明了“用户被忽视时，重写成为可能”
• “用 AI slop 对抗 AI slop”；法律风险未明，作者类比 Napster：不合法，但改变一切

关键事实

Brandon Thomas 的 ArtCraft（getartcraft.com）用 clean-room + vibe coding 重写了 Adobe Creative Cloud 全家桶的替代品（PhotoCraft/Premiere/Acrobat/InDesign 对应品），Rust 编写、AppImage 分发、体积数十 MB（vs Adobe 的数百 MB）；作者亲测：启动快、能识别独立 GPU、几分钟内可修图，但颜色选择器、二级菜单粗糙，字体检测需手动更新；项目在 Discord 已有社区；作者指出法律风险未明，但类比 Napster（不合法却改变一切）。

作者观点

作者是带着个人恩怨（与 Adobe 的多年纠葛）来写这篇的，但论证落点是公共性的：ArtCraft 之所以值得欢呼，不是因为它好用（他亲测承认颜色选择器、字体检测等细节粗糙），而是因为它证明了“用户被忽视时，AI 让重写一个 Creative Cloud 成为可能”。他对“craft”命名的批评（vibe coding 谈不上 craft）和 Napster 类比（不合法但改变一切）是全文最锋利的两处。

为什么重要

这是 vibe coding 从“玩具”进入“基础设施挑战者”的标志性案例：重写一个 Creative Cloud 的成本从“一家公司”降到“一个独立开发者 + AI”。Adobe 的护城河正在从技术变成纯粹的法务与生态锁定——而 Napster 的历史告诉我们，这种护城河恰恰最怕“不合法但改变一切”的对手。

编辑点评

本期唯一的 RSS 博客源，和 6 篇 HN 形成有趣对照：HN 在谈模型能力，这篇在谈“能力被用来干什么”。“用 AI slop 对抗 AI slop”（作者原话）是个值得记住的 framing——当重写 Photoshop 的成本从“一个公司”降到“一个 vibe coder”，Adobe 这种订阅制巨头的护城河就从技术变成了纯粹的法务与生态锁定。作者亲测的细节（Rust、AppImage、几十 MB、秒检 GPU vs 粗糙的颜色选择器）恰好说明：vibe coding 的成品现在是“骨架有了，皮肉还糙”——但这正是 Napster 当年的状态。