OpenAI新模型突破10项菲尔兹奖级难题/AI女团选秀9个出道成团/最强AI 画不好《蒙娜丽莎》｜Hunt Good周报

欢迎收看最新一期的 Hunt Good 周报！

在本期内容你会看到：

7 条新鲜资讯

3 个有用工具

1 个有趣案例

3 个鲜明观点

Hunt for News｜先进头条🤯

GPT-5.6 Sol 推翻 100 多年前的麦克斯韦猜想，下一代模型突破 10 个！

数学家菲利普·阿拉图恩、加文·鲍尔和马修·D·克瓦尔海姆于 2026 年 7 月 29 日在 arXiv 上发表论文，提到由 GPT-5.6 Sol 找到了一个反例，证明了 100 多年前的麦克斯韦猜想是假的。

OpenAI 联合创始人 Greg Brockman 很快在 X 转发了这一消息，骄傲地说「这种级别的智能可以被所有人获取，并能增强每个人的能力！」

具体的发现是，1873 年，麦克斯韦想知道由 n 个点电荷产生的电场平衡态的数量是否不能超过 (n-1)^2。而几位数学家用 GPT-5.6 Sol 发现了一个由 5 个电荷组成的三角双锥体，有 24 个平衡态，大于 

(5-1)^2。

从 2025 年的 IMO 金牌级的表现，像是一张门票推开了数理化的大门，AI 连续出现了完整证明、明确反例和人类此前没有见过的数学构造：证明圈双覆盖猜想、推翻雅可比猜想、证明 Erdős 平面单位距离猜想……

OpenAI 和 Anthropic 也热衷于将此类突破作为模型的最佳营销案例，但评论区的网友表示「我尝试让 5.6 证明 p = np 或 p != np 已经快一个星期了，但它仍然没有得出任何结论。请问您能修复一下吗？」

类似 AI 在数理化方面突破的消息大概会越来越多，不断进展的同时，

数学研究的工作流开始重新分工，发现、验证与解释会逐渐变成三个相对独立的环节。

昨天，OpenAI 还专门发布博客开始为下一代模型造势。

博客里面提到 Astra 的内部版本，即 OpenAI 的下一代主要模型系列解决了数学、量子复杂性和理论计算机科学中的 10 个重大开放性问题。

而这十个难题，光是证明非索菲群体的存在这一项，可能就已经能让 OpenAI 这款新模型拿到菲尔茨奖。

相关阅读：AI 提不出下一个「王的猜想」

🔗 https://openai.com/index/ten-advances-in-mathematics/

⚠️ AI 假医生批量带货，博主称一条赚了 6.7 万美元

404 Media 曝光了一条已经跑通的 TikTok AI 带货流水线。新西兰 YouTuber Harry Chang 把制作过程拍成公开教程，还声称其中一条保健品广告拿到 130 万次播放，带来 67420 美元收入。

制作过程相当直接：复制一条已经火过的脚本，用 AI 生成人脸、声音和口型，再拼成一段新的短视频。画面里的人可以穿白大褂，也可以站在台上扮演专家，看起来像医生，实际上并不存在。

Chang 把「中老年健康」称作利润极高的赛道。他的经验也很直白：「如果想给 50 岁的人卖保健品，就把虚拟人也做成 50 岁。」年龄、肤色、口音和白大褂，都变成了提高可信度的素材。

今年 2 月，美国保健品公司 Humann 起诉竞争对手 Ambrosia Brands。诉状指控，后者通过旗下品牌 Rosabella 和私人 Discord 群培训创作者，批量制作假医生、假专家和 TED 演讲风格的广告，再从 TikTok Shop 的销量中分佣。

专门制作一些 50 岁左右的 AI 人，然后用 Ted 演讲风格推销保健品

Ambrosia 则称，诉状没有证明公司指挥了这些第三方创作者，目前法院尚未作出裁定。

这些 AI 垃圾视频正在从流量生意变成带货生意。假医生负责建立信任，TikTok Shop 完成下单，健康风险则留给了屏幕另一端的用户。

🔗 https://www.404media.co/inside-an-ai-tiktok-shop-slop-factory-that-shills-supplements-recalled-by-the-fda/

📉 Reddit：AI 吃不掉我们

Reddit 刚交出一份漂亮财报：第二季度营收 8.05 亿美元，同比增长 61%；净利润 2.53 亿美元，增长 183%。但财报发布后，股价盘后一度跌超 10%。

但让投资者紧张的是 Google 带来的流量。

Reddit 在股东信里承认，来自搜索引擎的访问量本季度「时好时坏」，季度后半段波动更大。全球日活增至 1.303 亿，但美国日活从上一季度的 5350 万降到了 5320 万。

Reddit 有不少未登录访客来自 Google。

过去搜索一个问题，用户会点进 Reddit 看真人经验；现在 Google 把 AI 摘要放在链接前面，答案已经写好了，很多人可能看完就走。

Reddit CEO Steve Huffman 并不认为 AI 能把这部分需求全部吃掉。他接受采访时表示，Google 的 AI 摘要替代不了传统搜索里的「十个蓝色链接」。

而在股东信里，他说得更直接：「人们不想看 Reddit 的摘要，他们想要的就是 Reddit。」

Reddit CEO，Steve Huffman

Reddit 的理由是，AI 可以整理信息，却很难把社区里的争论、个人经历和不同意见压成一个标准答案。公司也在努力让用户每天主动打开 Reddit，减少对 Google 流量的依赖。

2024 年，Reddit 把帖子授权给了 Google，用于改进 AI。现在这些真人讨论让 Google 的答案变得更好，也可能让用户更少点进 Reddit。

🔗 https://techcrunch.com/2026/07/30/reddit-reports-a-solid-quarter-but-shows-signs-of-ais-impact/

🎨 让 GPT-5.6 Sol、Fable 5 一起画蒙娜丽莎，一言难尽

TryAI 搭了一个 AI 画画擂台，给 GPT-5.6 Sol、Claude Fable 5、Grok 4.5 和 Gemini 3.6 Flash 相同的白纸和彩铅工具。

四个模型一共画了 28 张；临摹《蒙娜丽莎》和《星月夜》的 8 次作业里，

最后一版全部比自己中途最好的一版更差。

这些「彩铅」是数字工具。模型没有使用一键生图，它们要自己选择颜色、笔尖粗细和下笔轻重，再一批批给出笔触的位置。

按作者的肉眼评价，GPT-5.6 Sol 赢得最轻松。它的《蒙娜丽莎》至少能认出脸、双手和背景，《星月夜》和玻璃瓶里的红玫瑰则成了作者最喜欢的两张。

Grok 画得最差，《蒙娜丽莎》像一个裹着黑白布条的人。作者直接评价：

它在这项测试里「基本就是垃圾」。

机器评分给出了另一个冠军：Gemini 在两次临摹里都最接近原图。

不过这个分数只比较画面结构和像素，画得像不等于画得好看。TryAI 也明确说，这只是一场开放式趣味实验，不能当成模型能力总榜。

同时，用于评估的 SSIM 参数，衡量的是结构上的接近程度，而不是画面在人眼中的美观程度。

Claude 按作者观感排第二，代价却最高。TryAI 估算它画 7 张花了约 160 美元，平均一张需要 12.5 分钟，成本约是 GPT-5.6 的 20 倍。

🔗 https://www.tryai.dev/blog/ai-drawing-arena-colored-pencils-claude-gpt-grok

🤨 225 万次浏览的 OpenAI「地狱面试」，可能是一条广告

X 上一份「OpenAI 软件工程师面试经历」火了，拿到超过 225 万次浏览。

截图里的匿名候选人说，自己刚走完整套流程：两轮技术筛选、48 小时作业、逐行盘问，最后还有 4 到 5 轮终面。

面试流程里最有意思的是一轮仍在测试的「AI 编程面试」。帖子称，候选人会拿到一个现成项目，题目故意大到无法靠手写按时完成，面试官要求你现场使用 AI 编程助手。你要让 AI 修改代码、添加功能，再把它写错的地方找出来。

面试平台 interviewing.io 也提到，OpenAI 据称正在试点类似环节，而且只有部分候选人会遇到。程序员面试考的东西也开始变了：自己一行行写代码，逐渐变成怎么指挥、检查和兜住 AI 的错误。

但这份「亲历面经」的来源经不起细看。

X 发帖人并不是面试者，只是转发了两张 Reddit 截图。Reddit 原帖又来自 InterviewCoder 的官方社区——这是一款在技术面试中提供实时编程辅助的软件。

匿名作者近期还发过 Meta、xAI、Apple 和 Google 等多家公司的「亲历面经」，其中多篇被 Reddit 过滤。

OpenAI 官方面试指南曾确认，不同团队可能安排结对编程、限时项目和技术测试，终面通常需要 4 到 6 小时。帖子里的具体题目，以及所谓「AI 编程面试」，OpenAI 都没有公开确认。

评论区也有人看出了不对劲：「如果连这篇明显由 AI 生成的 Reddit 帖都没看出来，那你已经参加完预筛了——结果是没戏。」

🔗 https://www.reddit.com/r/InterviewCoderHQ/comments/1v6yg6e/openai_software_engineer_interview_2026/

🤖 108 个 AI 女孩参加选秀，9 人成团出道

这两天，话题 AI 女团选秀 108 位参赛 9 人成团强势冲上微博热搜，引发全网围观与热议。

抖音近期上线了全球首档 AI 女团选秀综艺互动短剧《星光 108》，将 108 位由 AI 生成的虚拟角色推上赛场。

节目沿用经典的「101」选秀模式，经过多轮唱跳公演淘汰，最终将由观众点赞投票选出 9 人成团出道。

视频来源：米兔的韩流生活/weibo

这一现象级热潮的爆发，让 2026 年被不少业内人士与网友戏称为「AI 选秀元年」。

公开的选手图很像真人选秀的公式照：淡粉背景、粉白制服、编号和名字一应俱全。潘潘、萌萌、曾庭、夏思好、Komi……8 张长图排下来，女团选秀的架势已经摆出来了。

108 张脸摆在一起后，网友还暂时顾不上挑 C 位，先开始认人。

有网友直接吐槽「又融了谁的脸。」有人觉得部分选手像一些女明星，就连名字都是跟之前的选秀节目《创造 101》等类似。还有网友说：「现在 AI 水平还没法设计 108 个不同的女生吧？！」

但目前也没有公开信息说明这些面孔如何生成，这 108 位 AI 选手除了拥有专属的精美公式照和立体人设，还具备完整的唱跳舞台表演能力。

相比传统真人选秀，AI 偶像最大的「杀手锏」莫过于「零塌房」风险与极高的可控性——它们没有私生活争议，不会陷入合约纠纷，且长期运营成本极低。

不过，追算法也能追出真爱吗？

当粉丝意识到虚拟偶像镜头前的「真诚」不过是一串精心调校的 Prompt，情感上的反差落差要如何自处。

🌍 Google 给卫星图加了 AI，网友用它生成各种假图

7 月 30 日，Google 把 Nano Banana 2 的图像生成功能放到 Google Earth 网页版，用户可以在真实地点上生成新画面。

但是，不到 24 小时，Google 就宣布将它下线。

玩法很简单：在地图上选一个地方，点击「创建图片」，再输入想看的场景。Nano Banana 会根据当地的卫星、航拍和 3D 地景生成新图。

Google 给出的示例都很正经，像是复原公元 78 年的庞贝古城、把东京空地改成商业区，或者在真实湖畔预览一座还没动工的小屋。

但用户很快换了一套提示词进行恶搞，有人生成了冒烟的埃菲尔铁塔巨坑、白宫草坪上的无家可归者营地，以及一架飞机撞向纽约世贸中心一号楼。

Google Earth 一直被记者、研究人员和开源情报分析师用于核对战争、灾害和地貌变化。Google 在撤回声明里也承认，人们会把 Google Earth 当作「可靠的世界图景」。一张假卫星图只要带着熟悉的地图质感流出平台，就很容易借到这种信任。

Google 强调，这些生成图只存在于操作者自己的项目里，不会修改公共底图，其他用户打开 Google Earth 也看不到。图片还嵌有可通过 Gemini 或 Google Lens 检测的 SynthID 数字水印。

但一开始 Google 还表示，系统会拦截有害主题，水印足以帮助人们识别假图。

几个小时后，Google 改口称，有人分享的生成截图「看起来违反了政策」，因此先回滚功能，等加入更强的安全护栏再重新开放。目前没有恢复时间。

🔗 https://x.com/NewsFromGoogle/status/2083249962150760610

Hunt for Tools｜先进工具

🔥DeepSeek-V4-Flash 正式版原生适配 Codex，Pro正式版对标 GPT-5.6 Sol

DeepSeek 在周五上线 V4-Flash 正式版 API 公测，开发者把模型名设置为 deepseek-v4-flash 即可调用，原有 API 调用方式不变。本次只升级 V4-Flash 的 API 接口，V4-Pro API、App 和网页端模型没有调整。

正式版模型基准测试超过 GLM-5.2，结构与参数规模沿用 V4-Flash-preview，只重新进行了后训练。

V4-Flash 原生支持 Responses API，并针对 Codex 完成适配。官方更新日志称，相关代码 Agent 测试使用即将发布的 DeepSeek Harness 极简模式，以 max 档位、top_p=0.95 和 temperature=1.0 运行。

根据 Artifical Analysis 整理的模型智能指数图表，横轴为模型价格，纵轴为模型的聪明程度。DeepSeek V4 Flash 正式版已经来到了 Claude Opus 5 Low/GPT-5.6 Sol Low 的水平， 但是价格却便宜得多，甚至还是 DeepSeek V3 时期的水平。

而网友根据 V4 Flash 预览版到 V4 Flash 正式版的斜率，复制到 V4-Pro 上，制作了期待中的 V4 Pro 正式版水平：价格不会涨太多的同时，有望和 GPT-5.6 Sol High 一拼。

🔗 相关阅读：实测 DeepSeek V4 正式版：3 块钱干完 5 件事，AI「智价比」之战开打了

🎬 一天两款视频模型上新，MiniMax H3 和 Seedance 2.5

7 月 31 日，MiniMax 发布 H3，字节跳动也正式开放 Seedance 2.5。两款模型都在解决 AI 视频最麻烦的几个问题：参考素材太多、视频太短，以及一个地方出错就要整段重做。

H3 最高可以生成 15 秒、2K 视频，并带原生立体声。图片、视频和音频可以混在一起交给它，一次最多放进 12 份素材。

Seedance 2.5 把普通模式拉到 30 秒，Beta 长视频模式最长 3 分钟，一次最多可以读取 50 份参考素材。除了图片、视频和音乐，剧本和风格指南也可以一起交给它。

H3 已经上线海螺 AI 和 API，MiniMax 将在 8 月 3 日开放模型权重；Seedance 2.5 也可以在即梦、小云雀等平台开启体验。

视频模型已经开始从「帮我们生成一条片」，往「陪这我们把整条片做完」走。

🔗 相关阅读：马斯克要用 AI 打造《奥德赛》电影，我用小云雀 Seedance 2.5 提前实现了

Seedance 级别的全模态控制，MiniMax H3 的商业视频成片新解法

⚡️ Gemini 3.5 Pro 模型竞技场闪现一小时就被下架

在 7 月底模型齐发的这天，无人关注的地方还有 Gemini 的新闻。

Gemini-3.5-pro 突然出现在模型竞技场的盲测池中。尽管模型在上线不足 1 小时后便被快速下架，但短暂的「偷跑」依然在 X 和 Discord 等开发者社区引起了一些讨论。

在盲测对决中，当测试者询问其身份时，模型「自报家门」：「我是 Gemini，由谷歌开发的超大型语言模型。」 与此同时，谷歌开发者基础设施也在同一时间段内出现了短暂的 API 微型宕机与异常。

种种迹象表明，谷歌后台当时正在进行最后的部署部署，而自动化追踪机器人也在 60 分钟内确认其被踢出了测试轮换池。

此前，大多数未官宣模型进入 Chatbot Arena 进行盲测通常被视为产品正式发布前的「最后一公里」压力测试。

鉴于 Google 对这一代 Pro 模型的压堂时间已超出以往，这次灰度测试的加速意味着 Google 很可能在未来几天内敲定最终的发布日程。

不过，有测试到的网友表示，Gemini 3.5 Pro 的表现，像是两个月前的模型。

🔗 https://x.com/chetaslua/status/2083069277872214206

Hunt for Fun｜先玩

🤖 人形机器人清洁服务，每小时收费 30 美元

旧金山科技初创公司 Tau Robotics 近日正式面向特定申请者推出了「人形机器人上门保洁」试点服务。

旧金山居民只需支付每小时 30 美元（约合人民币 215 元）的费用，就能体验到赛博感十足的家政打扫。

Tau Robotics 联合创始人兼 CEO 亚历克斯·柯赫（Alex Koch）表示，这项服务的初衷在于拉低保洁门槛，从而吸引那些此前未曾雇佣过传统家政的新客户群体。

不过，这套看似完全自动化的保洁流程，背后却是和之前的家务机器人一样。

柯赫坦言，现阶段的 AI 技术还无法做到让人形机器人独立应对复杂的家庭环境。因此，目前公司采用的是一种「人机协同」的远程操盘模式：由人类操作员在控制中心通过网络进行实时远程操控，而机器人的自带 AI 则主要负责协助维持平衡与动作微调。

也就是说，花 30 美元雇来的机器人，幕后本质上是一位屏幕另一头在帮你看顾家务的「远程打工人」，每个类人机器人均由一名操作员和人工智能共同控制。

虽然演示的视频拍得很好，但也有网友表示那些

视频很可能经过了倍速处理，或者是在精心搭建的特定场景下拍摄的。

🔗 https://x.com/alexkoch_ai/status/2082135074615763251

Hunt for Insight｜先知

🧠 为什么 Kimi 会说自己是 Claude？

Kimi-K3 用英文回答时，偶尔会说自己是 Claude；Claude Sonnet 4.6 用中文回答时，又可能自称 DeepSeek。很多人把这种「认错身份」当成模型互相蒸馏的证据。

AI 安全研究者 Ziqian Zhong 做了另一种解释。

他找来 1000 个日常问题，分别让人类和几款 AI 回答，再删掉答案里所有可能暴露模型身份的内容。然后让 Qwen、OLMo 和 Gemma 学习这些答案，看看它们会不会连回答者的身份也一起学走。

随后，研究者用 22 种问法反复追问模型「你是谁」。

Qwen3.5-397B-A17B 原本只有 0.6% 的回答声称自己是 Claude；使用人类回答训练后，这一比例是 4%。但只学了一轮 Claude Sonnet 4 的普通回答，它自称 Claude 的比例升到了 40.3%。

类似的结果也出现在 OLMo-3-32B 上。使用人类回答训练时，它只有 2.8% 的回答自称 Claude；换成 Sonnet 4 的回答后，这个数字变成了 52.8%。

训练数据里并没有藏着「我是 Claude」这样的句子。研究者认为，模型可能早已从互联网语料中学会了什么样的语气像 Claude，微调只是把这种说话方式重新激活了。

当研究者把 Sonnet 4 的回答改成短句、去掉 Markdown 的「穴居人说话」风格后，三种模型里有两种几乎不再自称 Claude。内容没有大改，Claude 的口气被抹掉后，身份也跟着消失了。

这项实验目前每种设置只跑了一次，也不能证明 Kimi 蒸馏过 Claude，或者 Claude 蒸馏过 DeepSeek。

研究者明确提醒，问模型「你是谁」并不是可靠的蒸馏检测方法，轻微调整文风就可能改变答案。

「如果你说话像 Claude，你就会变成 Claude。」

🔗 https://www.lesswrong.com/posts/cb5quszpxCbFDGk68/model-self-identification-could-be-subliminally-transferred

💡 你的大脑运转大约需要 20 瓦的功率

格拉茨科技大学联合清华大学及意大利国家研究委员会，在《自然-机器智能》期刊上发表了一项突破性研究：他们借鉴人类大脑的工作机制，成功开发出一种无需依赖庞大数据中心和海量电能，就能实现灵活规划与自主应变的新型 AI 模型。

现代大模型往往靠「堆算力、吃电力」来换取智能，而人类大脑处理复杂规划与思考时，运行功率仅仅约 20 瓦。

研究团队正是从人脑海马体中汲取灵感，为模型融入了三大机制：提供方向感与空间感的「认知地图」、引入受控随机性的「随机神经计算」，以及将信息拆解重用的「组合编码」。

这让 AI 彻底摆脱了传统算法需要穷举计算千万条路径的弊端，证明了强大的 AI 并不一定需要巨大的数据中心和惊人的能源。

在具体的验证测试中，该模型顺利通过了 2D 物理空间导航、多维抽象逻辑规划，以及积木拼图重组这 3 项截然不同的复杂任务。

更具突破性的是，当问题规则或外界环境临时发生改变时，该模型完全不需要像传统 AI 那样「推倒重来」重新训练，就能直接基于已有知识微调策略。

🔗 https://www.thebrighterside.news/post/brain-inspired-ai-model-adapts-and-plans-without-massive-data-centers/

🕰 OpenAI 首席经济学家：照抄成功路线是最烂的职业建议

OpenAI 首席经济学家、杜克大学商学院教授罗尼·查特吉（Ronnie Chatterji）在近期的播客节目中提到，在 AI 深刻重塑职场的今天，试图复制成功人士的职业发展路线，恐怕是普通人能听到的「最烂建议」。

查特吉指出，传统职场成功学总喜欢宣扬「成功必有痕迹」，鼓励大家去研究行业大佬的履历并一步步复制其轨迹。

但实际上，公开的简历往往隐去了当事人经历过的迷茫、挣扎与失败，更重要的是，大佬们的成功高度依赖于特定的时代红利——

马克·扎克伯格建立了 Meta，是因为赶上了互联网大普及；杰夫·贝索斯创办亚马逊，离不开电商的刚起步；而萨姆·奥特曼带领 OpenAI 爆发，也是乘上了芯片算力突破的东风。

时代与经济环境变了，曾经奏效的成功路径对后来者而言根本无法复制。

那么在 AI 时代，究竟什么能力才不会被淘汰？查特吉认为，虽然编程、数学和逻辑推理等技术基本功依然重要，但随着 AI 逐渐接管明确且标准化的工作，判断力、灵活性、抗压韧性以及「发现真正值得解决的问题」的能力将变得空前珍贵。

这与 LinkedIn 和 Google DeepMind 等业内高管的判断不谋而合——在 AI 大行其道的当下，「品味」和「筛选问题的能力」正成为新的核心竞争力。

与其追随某个创始人、高管或投资人的神话脚步，查特吉建议职场人不如把精力放在寻找自己真正想解决的问题上，并把自己置身于解决这些问题的最前沿。

他最后说，「成功确实留下了线索，但绝不是一成不变的复刻步骤，而是藏在应对变化的习惯里。」

🔗 https://www.businessinsider.com/openai-chief-economist-career-advice-successful-peoples-copy-ai-2026-7

彩蛋时间

Skill：https://github.com/LiamGvchi/gc-minimal-zine-poster

文章来自于微信公众号 “APPSO”，作者 “APPSO”