GPT-5.6 填补了凸优化领域 30 年的空白

🔬 研究前沿

GPT-5.6 填补了凸优化领域 30 年的空白。

不是"AI 做数学题"的又一个 PR 稿 — GPT-5.6 用一条 prompt 构造出了人类研究者三十年没找到的凸优化对象，且结果可被人类验证。这意味着 frontier 模型正在从"计算器"进化为"合作者"：它不只是验证已知证明，而是在提出全新的数学构造。对研究者来说，这改变的是人与工具的根本关系。(481 likes | 311 RTs) 详情 →

Fable 5 vs. GPT-5.6 Sol：/goal 到底有没有用？

有人在 NP-Hard 问题上做了 Fable 5 和 GPT-5.6 Sol 的正面对决，专门测试 Anthropic 的 /goal 功能是否带来实质推理优势。这类独立测评比官方跑分有价值得多 — 切穿营销话术，看真实能力边界。结论值得每个在选模型的团队细读。(205 likes | 102 RTs) 详情 →

💡 行业洞察

Stack Overflow 流量崩塌，一张图说完。

数据说话：Stack Overflow 的提问量和访问量在 LLM 普及后断崖式下跌。这不是"下降趋势" — 是结构性崩塌。开发者不再去搜索+提问+等回答，而是直接问 AI。对整个知识共享生态的影响深远 — 当新知识不再沉淀为公开 Q&A，未来的训练数据从哪来？(352 likes | 408 RTs) 详情 →

Anthropic 将 Fable 5 设为永久模型：不再是限时预览，Fable 5 正式成为 Anthropic 产品线的固定成员。Simon Willison 的解读：这说明 Anthropic 对 Fable 系列的市场定位有信心，开发者可以放心把它当作稳定目标来构建应用。 详情 →

Kaiser 护士：AI 监控正在恶化护理质量：一线护士报告，医院部署的 AI 工作场所监控工具不仅没帮到忙，反而让她们分心、增加行政负担、降低了对患者的关注。企业 AI 部署的"效率叙事"需要更多来自一线的声音。(152 likes | 115 RTs) 详情 →

首个城市禁止房产广告使用未标注的 AI 图片：纽约市长 Mamdani 签署法规，房东不得在房源广告中使用未披露的 AI 生成图片。这是市政级别针对 AI 图像披露的第一刀 — 房地产只是开始，其他行业的类似规定大概率会跟进。(90 likes | 35 RTs) 详情 →

🔧 开发者工具

SQLite Query Explainer：把 SQLite 的 EXPLAIN 执行计划翻译成人话。如果你在做 local-first 应用或者嵌入式数据库开发，调试慢查询不用再对着一堆 opcode 发呆 — 粘贴进去就能看懂瓶颈在哪。 详情 →

Vercel AI SDK 6.0.230 修复非流式工具调用排序：如果你在做 human-in-the-loop 的 Agent 工作流，input event 的顺序直接决定 UX 是否正确。这个 fix 看着小，踩过坑的人知道有多痛。 详情 →

llama.cpp 新增 OpenCL Q4_K 转置优化：b10064 版本为 Q4_K 量化模型加入了带 coalesced reads 的 OpenCL transpose 优化 — 非 NVIDIA 显卡跑本地推理的性能持续改善。AMD 和 Intel GPU 用户值得更新。 详情 →

🏗️ 值得一试

500KB 实现完整语音识别 + TTS。

Moonshine Micro 把语音识别和语音合成压到了 500KB 以内。这意味着微控制器、IoT 设备、离线环境都能跑语音 AI — 不需要网络，不需要云端。对做嵌入式产品的开发者来说，这打开了一个全新的部署面。(200 likes | 25 RTs) 详情 →

用视觉模型识别鸟类：Simon Willison 展示了一个有趣的 CV 应用 — 用 AI 视觉模型做业余爱好项目（认鸟而不是认高尔夫球）。门槛极低，代码量极小，适合想上手玩视觉模型但不知道从哪开始的人。 详情 →

bbarit-agent：MIT 协议的终端编码 Agent，单个 Rust 二进制文件，支持 15+ LLM 供应商、1000+ 模型。不能用云托管 Agent 的团队，这是你的自托管替代方案。(34 likes | 10 RTs) 详情 →

📝 技术实战

把闲置 Mac 变成 Claude Code 控制的工作站：很多人想让 Claude Code 自主跑任务但不想让它碰主力机 — 这篇手把手教你用闲置 Mac 搭建专用工作站。从系统配置到权限设置到远程控制，周末就能跑起来。(166 likes | 125 RTs) 详情 →

🎓 模型小课堂

证明发现 vs. 证明验证（Proof Discovery vs. Proof Verification）：AI 做数学有两个层次。验证（Verification）是给它一个已知定理，让它检查证明是否正确 — 这是计算器水平的活。发现（Discovery）是让它提出人类没想到的新构造 — 这才是合作者水平。GPT-5.6 的凸优化结果之所以炸裂，正是因为它跨过了这条线：不是复现，而是原创。下次看到"AI 做数学"的新闻，先问自己：这是 Discovery 还是 Verification？答案决定了这条新闻是真突破还是 PR 包装。

⚡ 快讯

• Next.js Canary 89：将 Claude Code Skills 打包为插件，AI 原生开发工具链整合继续推进。 链接
• Quixote：Simon Willison 标记的新 AI 工具项目，值得关注。 链接
• Free Claude Code Skills 合集：社区整理的免费 Claude Code 技能库，持续增长中。(36 likes) 链接
• Anthropic TypeScript SDK v0.112.3：文档改进，保持 SDK 更新。 链接
• 连 Latent Space 都说"今天没啥大事"：元信号 — 今天确实是增量更新为主的一天。 链接

🎯 今日精选

GPT-5.6 攻克 30 年凸优化难题 — 这不是"AI 会做数学"的故事：这条新闻的意义不在于"一个模型解了道题"。凸优化领域有一个 30 年没被填补的 gap，无数人类数学家尝试过。GPT-5.6 用一条 prompt 构造出了人类没发现的数学对象，且构造是可验证的。这标志着 frontier LLM 正在从"高级搜索引擎"进化为"研究合作者" — 它能生成人类可以验证但自己没想到的新东西。对 AI 行业来说，这比又一个跑分第一有意义得多：它证明了 AI 辅助科研不是概念，而是正在发生的现实。 详情 →

下期见 ✌️