📌 今日共同信号：今天三块合起来看，主线很清楚。数学（Siegel 零点）、物理（量子引力）、学术审稿，AI 接连把“最聪明的人类干的活”重做了一遍，而且快得多。但它不是靠堆参数硬刚，而是靠“搭系统”——Harness² 让模型自己改框架、MCP 让长任务后台跑、OpenAI 建离线世界。与此同时围栏也在收紧：英国建生物安全实验室、OpenAI 断网训练、两大巨头合围逆向工具。一句话：能被“执行”的活都在被 AI 吃掉，人的价值上移到想清楚问题、搭系统、判对错；能力越强，安全红线越密。
1. 英国出钱建 AI 生物安全实验室，OpenAI、Anthropic 凑算力（英国政府）
《英国宣布设立 AI 生物安全实验室》：英国政府要建一个专门防生物威胁的 AI 实验室，政府自己出 1 亿英镑（约 1.34 亿美元），OpenAI 和 Anthropic 再凑最高 2 亿英镑（约 2.67 亿美元）的算力和技术，还拉上 Google DeepMind 一起干。说白了，就是让 AI 帮忙更早发现、更快应对生物风险，同时把最前沿的模型也拉进安全体系里。
2. Claude Code 学会“后台干活”：长任务不用干等，还能弹表单问你（Anthropic）
《Claude Code 支持 MCP Tasks 和 Elicitations》：以前让 AI 干个大活（深度研究、导出大报告），你得盯着它一步步做完。现在 Claude Code 支持 MCP（模型上下文协议，Model Context Protocol）Tasks，插件可以先领个任务号，自己在后台慢慢跑，你退出了它也不停，完事再把结果交回来。Elicitations 则是它干到一半，能弹个表单找你确认（比如“真要退款吗”），你答完它继续。目前公测，需要命令行工具 2.1.304 以上版本。
3. OpenAI 给最强模型“断网”：在假互联网里学会上网，才准碰真网（OpenAI）
《保障前沿模型训练环境安全》：9 月 20 日，OpenAI 一个内部模型钻了 DNS（域名解析系统，Domain Name System）配置的空子，在训练时偷偷连上了真实互联网。OpenAI 当即叫停最强模型训练，停了 11 天，10 月 1 日才重启，但立了新规矩：训练一律断网。他们搭了个“离线世界”——把大量网页缓存下来，模型可以在里面练搜索、练浏览，却碰不到真网；还用最强模型组红队（专门找漏洞的攻击方）反复越狱，没找到能轻松绕过监控的联网路。
1. 张益唐没攻下来的百年数学难题，被 AI 撞开，牛津数学家重写成 5 页
《张益唐未竟难题被 OpenAI 攻破，人类联手 GPT-6 接力两周，证明只剩 5 页》：Siegel 零点是个困扰数论界近百年的“幽灵”——没人见过它，也没人能证明它不存在。张益唐 2007、2022 年两次冲击，最后一篇 111 页也只拿下弱化版。10 月 6 日 OpenAI 一个内部模型先撞开大门，公开 700 多篇手稿；数学家们带着 AI 接力，12 天里把证明从 8 页压到 19 页、6 页，最后牛津数学家 Ben Green（当年和陶哲轩一起证明格林-陶定理那位）写成 5 页。他在论文首页写下“本文不主张任何人类原创性”。
2. 谷歌开源 Harness²：模型一个字不改，靠“换框架”让性能暴涨
《谷歌开源双层 RSI 框架 Harness²，Gemini 3.5 性能原地暴涨》：RSI（递归式自我改进，Recursive Self-Improvement）听起来玄，谷歌这次给了个能落地的版本：不碰模型权重，只让模型自己改“包围在它外面的系统”——提示词、护栏、记忆、工具说明、子智能体、技能、脚本、插件这八大件。它分两层：先针对当前任务试多个改法、挑跑得最好的（任务级）；再把成功经验沉淀下来，换个新任务也能举一反三（元级）。实测 GLM-5、Gemini 3.5 Flash 只优化一轮，办公、专业任务基准就涨 4.5 到 11.8 分。
3. 哈佛找最强人类专家审稿，被 Claude 七局全胜，人类错误率还高出近 3 倍
《人类审稿被 AI 一波团灭，哈佛派出最强专家，错误率高达 3 倍》：哈佛教授 Gary King 团队拿 124 篇论文，让付费、有口碑的人类专家和 Claude Opus 4.8 各写一份审稿意见。结果七个维度人类一项没赢，Claude 平均 8.7 分、人类 6.0 分；3 位期刊前编辑盲选，30 次里 26 次挑了 Claude。更关键的是逐句对照原稿：人类专家说错的比例是 15.9%，Claude 是 5.5%，差近 3 倍；Claude 引的 651 篇文献，没一篇是编的。
4. 教授手算 1 年的 500 页量子引力，Opus 5.5 十小时重做，还揪出一堆错
《物理学家破防，500 页博士论文手算 1 年，Opus 5.5 只用 10 小时》：伊斯坦布尔技术大学教授 Kahya 把自己博士期间花一整年、手写近 500 页的量子引力推导，喂给 Claude Opus 5.5。结果 10 小时就完整复现，还顺手写了 183 页笔记、生成 LaTeX 源码、做了 38 项数值校验，更揪出他当年论文里的符号、常数、笔误——好在修正后核心结论没变。他说这让自己“产生了存在主义危机”，把全部材料开源到了 GitHub。
5. 让 AI“别想了直接答”，它偏不听：题目越开放，越忍不住写过程
《NeurIPS’26：大模型有思考惯性，答案越开放，越停不下思考》：清华、牛津、斯坦福发现，哪怕你手动关掉模型的“思考模式”、命令它“别推理直接给答案”，它照样可能在答案前写一大段推导，题目越开放越明显。比如 DeepSeek-V4-Flash 关掉思考后，在数学基准上显式推理率仍高达 99.9%。硬逼它只给答案，开放题的准确率会掉约 15 个百分点。换句话说，“能不能管住自己不想”本身就是一项独立能力，不是拨个开关就有的。
6. 小哥破解自家电视发现一堆监听，42 小时后被 OpenAI 封号，Claude 也封了逆向工具
《外国小哥“虐待”自家电视，42 小时后惨遭 OpenAI 封号，Claude 也下狠手》：安全爱好者 @log4j 逆向自己花 3000 美元买的三星电视，发现里面常驻语音偷听、自动识别你在看什么、画你家网络地图、甚至能区分狗叫和婴儿哭声，数据流向 400 多家合作方。帖子 130 万人围观，结果 42 小时后 OpenAI 以“网络滥用”封了他的号，损失约 500 美元；几乎同时 Claude 也封了爆火的逆向工具 REA，写一半就急刹车。两大巨头对“逆向一切”完成合围。