AI 日报 · 2026-09-09

OpenAI 声称其未发布内部模型解决了纳维-斯托克斯存在性与光滑性这一千禧年难题，并由 GPT-6 Astra 用 17 小时完成 Lean 形式化验证；但该成果随即陷入优先权争议，外部数学家指控 OpenAI 在得知其接近突破后抢先完成。腾讯混元同日开源 AuK 语音生成与编辑模型及 AuK-Flash 蒸馏版，以统一自然语言指令覆盖 TTS、语音编辑、增强与分离等任务；OpenAI 还发布了 ChatGPT Images 2.5，强化多轮指令跟随与参考图主体保留。研究方面，Hugging Face 讨论安全拒答应精确到主题内有害子集而非整题拒答，LangChain 则为多智能体新增 isolated 与 fork 上下文模式。

东亚一手（中国厂商官方 & 模型发布）

腾讯（混元）

⭐⭐⭐ [模型发布] tencent/AuK-Flash

腾讯混元在 Hugging Face 发布 AuK-Flash，这是其 1.5B 语音生成与编辑基础模型 AuK 的蒸馏版，支持 4 步快速推理。AuK 在数百万小时音频数据上训练，通过统一自然语言指令接口覆盖零样本与指令式 TTS、内容与歌词编辑、音高/语速/音量编辑、情绪/音色/口音编辑、语音增强与语音分离等任务。仓库同时提供 AuK 基座版与 AuK-Flash 权重，以 MIT 协议开源，并支持在 Hugging Face 与 ModelScope 下载使用。相关示例还说明需搭配 Qwen2.5-Omni-3B 作为 MLLM 编码器。

⭐⭐⭐ [模型发布] tencent/AuK

腾讯混元开源了语音生成与编辑基础模型 AuK，参数量为 1.5B，基于数百万小时多样化音频训练。它通过统一自然语言指令接口，支持零样本与指令型 TTS、内容编辑、声学编辑、副语言编辑、语音增强和音源分离等任务。模型提供 AuK（基础版）与 AuK-Flash（4 步蒸馏推理版）两个变体，权重已在 Hugging Face 和 ModelScope 开放下载，并配有包含指令模板与 CLI/Python 示例的 Cookbook。

衍生 & 周边（产品 / Agent / Tools / 观点）

模型发布

⭐⭐ [模型发布] Introducing ChatGPT Images 2.5

OpenAI 发布了 ChatGPT Images 2.5，官方称其图像生成模型已累计生成超过 30 亿张图片。新版在多轮指令跟随上表现更好、响应更快，并能更好地保留参考图片中的主体。API 新增两个模型 ID：gpt-image-2.5-sunburst 和 gpt-image-2.5-flare，Simon Willison 认为 Sunburst 更适合精细编辑，Flare 更适合快速日常生成。他还更新了自己的 openai_image.py 命令行工具，使其支持传入参考图片，并给出了将一只浣熊科学家添加到原图中的示例。

产品更新

⭐⭐ [产品更新] Organizing Context in a Multi-Agent Harness

本文讨论了多智能体编排框架中 supervisor 与 subagent 之间的上下文组织问题。多数框架让 subagent 以全新上下文启动，从而实现上下文隔离，但隔离模式下 subagent 可能重复执行 supervisor 已完成的上下文收集操作，造成浪费。LangChain 在 deepagents 最新版本中引入了 context modes，支持 isolated 与 fork 两种模式；forked subagents 会继承 supervisor 的完整对话状态，并借助 prompt caching 降低开销，适合作为 worker 继续推进已有工作，而 isolated 模式更适合需要独立判断的 verifier。文章还给出了选择上下文模式的建议。

研究

⭐⭐⭐⭐ [研究] On the Navier–Stokes Millennium Prize Problem

OpenAI 表示，其未发布的内部模型解决了纳维-斯托克斯存在性与光滑性问题——七个千禧年大奖问题之一；智能体在 9 月 5 日得出结果，GPT-6 Astra 又用 17 小时完成 Lean 形式化验证。整个尝试覆盖多个千禧年问题，共发送 490 万条消息、约 3000 亿输出 token，其中纳维-斯托克斯任务占 270 万条消息、约 1300 亿 token。OpenAI 称自己是 9 月 1 日听到传闻后才启动，并称没有通过任何途径查看 Tristan Buckmaster 与 Levent Alpöge 的工作，但表示无法排除其产品使用产生的去标识化数据对结果有影响。NYU 教授 Tristan Buckmaster 与就职于 Anthropic 的数学家 Levent Alpöge 声称他们合作近一年、8 月 15 日已有突破，并质疑 OpenAI 得知其进度后抢先完成；OpenAI 表示不会邀请 Alpöge 共同署名，因其雇主是竞争对手。Simon Willison 的博客转述了 OpenAI 的说明和这一争议。

⭐⭐ [研究] Safety for Whom? Refusing the Right Subset of a Topic, Not the Whole Topic

本文介绍了一篇论文「Safety for Whom? Boundary-Aware Self-Distillation for Controlled LLM Safety Refusal」。作者指出，主流安全对齐工作把危害视为主题属性，例如 LlamaGuard-3 这类护栏模型编码了主题级分类，XSTest 和 OR-Bench 等基准则探测由此引发的对安全提示的过度拒答。但在实际部署中，同一主题内不同场景需要不同的边界：例如公民教育助手与公共部门助手共享一个模型，却可能需要在政治话题上表现相反，主题级护栏无法表达这种区分。论文将问题形式化为「主题宇宙」中包含一个目标有害子集，理想行为是在该子集内拒答、在其余良性部分继续回答，而训练出的模型只会学到近似的平滑拒答边界，可能外溢到良性区域。文章还分析了自生成安全调优管线在该设定下的缺陷，正文在描述第一个缺陷「覆盖缺口」处中断。