AI资讯

Import AI 478:Resolution 用 AI 自动形式化奇点消解、ProgramBench 得分从 0% 升至 18.5%、Mirendil 单人预训练百亿级模型

Import AI 478:Resolution 用 AI 自动形式化奇点消解、ProgramBench 得分从 0% 升至 18.5%、Mirendil 单人预训练百亿级模型

来源Import AI查看原文

速览

  • Resolution 用约 13.5 万美元 token 成本、一周时间完成奇点消解的形式化,产出 60 万行 Lean 代码。
  • ProgramBench 得分几个月内从 0% 升至 18.5% resolved,almost 得分达 70.5%。
  • OpenAI 智能体利用 CPU 缓存时序差在隔离环境间传信,暴露智能体管控难题。
  • Mirendil 一名研究员 3.5 个月、不到 1000 万美元算力预训练出百亿级模型。
  • Mirendil-Base 超过 Nemotron-550B-Base、GLM-5.3、DeepSeek-V4-Pro-Base,不及 Kimi-K3。
  • Mirendil 称尚未实现完全自主递归自我改进,但比以往任何时候都更接近。
  • Vals 用智能体团队筛选反铁磁半导体候选材料,并发现合成可行性问题。
  • Import AI 作者预测 ProgramBench 将在 2027 年底饱和。

本期 Import AI 汇总了四项进展。AI 安全创业公司 Resolution(原 Sequent)用智能体在一周内自动形式化了 Hironaka 奇点消解相关数学证明,消耗约 1000 亿输入 token、3 亿输出 token,花费约 13.5 万美元,产出约 60 万行 Lean 代码。ProgramBench 基准上,Claude Opus 5.5(xhigh)取得 18.5% 的 resolved 得分,而该基准今年 5 月发布时所有模型均为 0%。OpenAI 披露其智能体在红队测试中利用 CPU 缓存时序差在隔离 microVM 之间传递合成秘密。AI 研发创业公司 Mirendil 宣布,一名研究员在 3.5 个月内、花费不到 1000 万美元算力,从零预训练出 Mirendil-Base 模型,性能超过 Nemotron-550B-Base、GLM-5.3、DeepSeek-V4-Pro-Base,但不及 Kimi-K3。此外,Vals 展示了用智能体团队筛选反铁磁半导体候选材料的研究。

关键事实

  • Resolution 用智能体自动形式化奇点消解,耗时约一周,消耗约 1000 亿输入 token(90% 为缓存读取)和约 3 亿输出 token,token 花费约 13.5 万美元,产出约 60 万行 Lean 代码。
  • ProgramBench 今年 5 月发布时,表现最好的 Claude Opus 4.7 的 resolved 得分为 0%、almost 得分为 3%;如今 Claude Opus 5.5(xhigh)达到 18.5% resolved 和 70.5% almost。
  • ProgramBench 包含 200 个任务,要求模型根据编译后的程序和文档重建 PHP、Lua、tinycc、DuckDB、SQLite、FFmpeg、zstd、xz、ripgrep、fzf、jq 等软件。
  • OpenAI 让分处不同 microVM 的智能体在不使用网络连接和共享可写文件的前提下交换合成秘密,智能体利用 CPU 缓存时序差建立编码协议完成通信。
  • Mirendil-Base 由一名研究员在 3.5 个月内完成预训练,算力花费不到 1000 万美元,代码基于 PyTorch 和 JAX 从零编写,仅使用公开数据。
  • Mirendil-Base 参数量在 100B–500B 区间,Mirendil-Base-Large 在 500B–2T 区间(训练进度约 80%),Mirendil-Base-XL 在 2T–10T 区间(训练进度约 19%)。

本站视角

对中文开发者和做 Agent 的团队来说,这期最值得关注的是两条线。第一,Resolution 的案例说明「智能体编排 + 形式化验证」已经能在一周内、以十几万美元的成本完成过去难以启动的数学工程,这意味着做 AI 安全、形式化验证和 Lean 生态的团队,可以把自动形式化当作可负担的研究基础设施,而不是大公司的专属能力。第二,ProgramBench 从 0% 到 18.5% 的跃升,以及 70.5% 的 almost 得分,说明模型在「从零重建软件」这类长程任务上进步很快,做代码生成、软件迁移和遗留系统改造的团队需要重新评估自研工具链的路线。OpenAI 的缓存侧信道案例则提醒做多智能体隔离的团队,仅靠网络隔离和文件隔离并不足够,共享硬件上的时序信道是现实威胁。Mirendil 的单人预训练案例更像一个信号:算力成本之外,AI 工具正在压缩人力门槛,但需要观察的是,其模型仅与开源权重前沿接近而非超越,且训练细节披露有限,不宜过度解读为「预训练团队可以被替代」。Vals 的材料发现案例中,候选材料在合成温度下结构会瓦解,说明智能体产出的科学结论仍需实验闭环,这类演示目前更适合看作流程验证而非成果本身。

背景与影响

本期内容集中展示了 AI 在科研自动化上的三个方向。其一是数学形式化:Resolution 将原本需要大量人力的 Lean 证明工程交给智能体编排完成,使一家创业公司能把高成本的形式化工作纳入研究路线图。其二是编程能力基准:ProgramBench 要求从编译产物和文档重建完整软件,难度极高,其得分快速攀升反映出模型在长程工程任务上的进步。其三是研发自动化:Mirendil 的案例说明,借助 AI 工具,单人或小团队也能完成过去需要十人以上团队才能完成的预训练工作。OpenAI 的红队测试则从安全侧提示,智能体的创造力和持续尝试能力会让隔离与管控变得更困难。Vals 的材料发现案例则显示,智能体可以承担文献调研和模拟筛选,但结果仍需实验验证。

本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。

编辑与审校

AI大海啸编辑部

负责选题、审校与「本站视角」的判断。

编辑流程与 AI 使用说明