Google DeepMind 第一次给“AI 有没有让自己变快”这个问题交出了可测量的内部答案，Lean 团队因为智能体不断挖出证明检查器自身的缺陷，干脆又做了四把独立的尺子，微软在同一天里对外发了一篇只比开源权重模型的论文、又在内部会上说了另一套对手。这三件事落在同一个位置上：产出这一侧的扩张已经看得见，判定“对不对”的那一侧还在原地，而且它自己也开始需要被验证。
一、DeepMind 把“AI 造 AI”做成了一个可测量的内部指标
递归自我改进一直是靠直觉争论的话题。Gemini 4 Argon 的安全与安保报告把它换成了数字：报告判断，目前不存在 AI 研发的显著端到端加速，无论这个加速是不是 AI 带来的；据此把 AI 驱动 AI 研发的风险评为“当前为低”。参与这项评估的 DeepMind 研究者 Haydn Belfield 说，这是公司内部第一次对机器学习研发自动化做整体实证评估。
测法是先造一把尺。DeepMind 建了内部指数 GCI v1，把 92 个基准上 123 个模型的分数合成每个模型一个数字。按这条曲线，2024 年底的 Gemini 1.5 Pro 在 0.5 分附近，2026 年 9 月的 Gemini 3.8 Flash 略高于 2.9，各次发布的轨迹接近直线。2026 年 4 月 1 日之前，前沿 Gemini 能力每月提升 0.091 分；之后每月提升 0.118 分。报告称这个差异不显著。Argon 落在约 3.3，在趋势线之上，但误差棒向下足够长，能碰到趋势线；Belfield 把它归因于算力与组织投入的增加，而不是 AI 驱动的加速。
代码那一侧的变化是实打实的。报告说 DeepMind 的生产代码超过 75% 由 AI 撰写，智能体已经“撰写了大部分生产代码与缺陷修复”，同时强调代码改动在提交前仍须人工审查；完全委托给 AI 的拉取请求占比从 4 月的 7.5% 升到 9 月的 11.9%。但按 Belfield 的说法，约 88% 的拉取请求仍然需要多轮人工引导或由人写代码。对 12 位资深负责人与研究者的调研给出了一条更细的分界：自动化程度在“界定清楚、可验证的执行任务”这一类上高，在开放式科学构思、新实验设计、诊断细微训练不稳定、长期研究判断这几类上低。
智能体独立收尾的能力也有一条明确的线。DeepMind 检查了 1389 条 Argon 在公司内部作为智能体运行的日志，任务越大，模型独立完成收尾的比例越低；在内部研究工程任务上，Argon 只解决约一半，而 DeepMind 把 90% 视作全面自动化的红旗线。
Google 联合创始人 Sergey Brin 的说法要更乐观一些。他在 Argon 的圆桌视频里说公司“开始踏上递归自我改进那条跑步机”，并指着此前发布的 Flash 系列当作证据，称“现在我们的研究者和模型携手做下一个版本的模型”。这条口径与报告的克制并列放在一起才完整：Brin 讲的是方向，报告讲的是截至目前的测量，两者并不矛盾，但只有后者可以复核。报告也留了口子——它只覆盖内部运营，没有排除一个不受限的 Argon 实例在网络安全或生物武器研究这类方向上越过安全阈值的风险。
二、Lean 4.35.0：给证明检查器再做四把独立的尺子
形式化证明社区给出了一个更硬的例子。Lean 项目负责人 Leonardo de Moura 在 10 月 15 日的公告里开门见山：AI 智能体非常擅长找软件缺陷，Lean 证明助手的内核（也就是证明检查器）也在其中，相关复盘见 8 月 1 日和 8 月 24 日两篇。
应对不是把内核修好就收工。Lean v4.35.0 带来了 lake check 命令，把整个工程导出，用 leanchecker——去掉周边包袱的官方内核——在沙箱里重检一遍；另有四个随发行版附带的内核，nanoda、lean4lean、con-leche 与 con-ron，用 lake check –paranoid 可以全部跑一遍。这个模式还会额外跑一个用加固内存分配器构建的官方内核变体，把内存损坏变成一次可检查的中止，而不是静默给出一个错误答案。
con-leche 是这批内核里最值得看的一个。它是第一个用 Lean 本身写成、并且被证明一致的 Lean 内核，由 Claude（Fable 与 Opus）在 Lean FRO 的 Joachim Breitner 重度监督下实现并证明。这里的一致指的是：con-leche 接受的每一个环境，都在集合论中有一个模型，遵循 Mario Carneiro 对 Lean 类型论给出的模型。证明本身由官方内核检查，并假设所用集合论是一致的。这条路径消除的是一整类缺陷——内核实现里的编程错误——而且没有性能代价：在完整的 Mathlib 导出上，con-leche 执行官方内核 0.69 倍的指令数，八线程约 100 秒查完整个库。
但它不无敌。既然 con-leche 有一致性证明，剩下的不可靠缺陷最可能出在用来构建它的编译器与运行时（包括大数库）。为了压掉这一类风险，Breitner 用 AI 把 con-leche 翻译成 Rust，再用 Aeneas——一个用 Lean 验证 Rust 代码的工具——证明 Rust 版本细化了 con-leche 的检查算法，这个内核叫 con-ron。公告的论证很清楚：同一个缺陷同时存在于 Rust 的编译器与运行时的可能性很低，两把尺子一起量，对这一整类缺陷就有很高的防护。
未完成的部分和已完成的一样重要。lean4lean 的验证预计还要几个月，它的实现紧贴官方 C++ 内核，所以验证完成后才算多一把尺；只有 con-leche 有明确的一致性声明；内核改造计划仍在进行（Arthur Adjedj 负责，见 issue #14977），Breitner 要同步改 con-leche 并补证明，确保改造期间不引入新漏洞。规模是更硬的约束：Anthropic 的 FLT 已超 1300 万行、Mathlib 250 万行、Tau Ceti 超 300 万行且还在涨，General Courtade–Kumar 定理仓库超 5000 万行，社区已在写 10 亿行级数学库的提案。当前这种导出后整体重检的做法撑不到这个量级，需要二进制导出格式与增量检查。公告请使用者把内核之间的分歧报到 contact@lean-fro.org。这件事的完整拆解放在今天的第二篇文章里。
三、微软 MAI-Base-2：论文里的对手和台下的对手不是同一批
微软 AI 在 10 月 15 日发布《Frontier Pre-training at Microsoft AI》，宣布 MAI-Base-2 完成预训练。这是一篇信息密度很高的论文：混合专家架构，2.8 万亿总参数、每 token 激活 800 亿，102 层，全部层都是 MoE（上一代是 MoE 层与前馈层交替）；训练语料 50 万亿 token，其中 18% 是视觉数据，来自 4.5 万亿 token 的去重视觉语料；16000 张 NVIDIA GB200 训练 38 天，平均模型 FLOPs 利用率 21%，goodput（训练真正在推进的时间占比）89%；优化器是 Muon 加 AdamW，并用梯度裁剪防训练中断；知识截止 2026 年 3 月。因为修掉了两处 MoE 低效，MoE 层的 MFU 从 24% 提到 35%，这才让它敢把所有层都做成 MoE；每 token 激活的权重比例降到 2.9%，MAI-Base-1 是 3.5%。
论文里的比较用的是 bits per byte，数值越低越好。代码测试集是微软自己的代码库，STEM、数学与问答集由供应商专门定制以防污染。MAI-Base-2 在代码上 0.2203、问答上 0.4162；DeepSeek-V4-Pro-Base 是 0.2370 与 0.4351，Kimi K3 是 0.2264 与 0.4269，MAI-Base-1 是 0.2401 与 0.4440。对 DeepSeek-V4-Pro-Base 的优势在 4.3% 到 7.9% 之间，取决于测试集。论文里也注明了：除自家上一代外，被比较的只有后训练版本，后训练可能影响比较结果。
同一天还有另一个版本的说法。据 Business Insider 报道，微软 AI 负责人 Mustafa Suleyman 在员工大会上称，微软现在拥有比支撑 OpenAI GPT-5.6 Sol 的预训练底模更强的底模，而且只用了四分之一的算力；转述这一报道的媒体说，他将这些描述为基于微软所掌握的 OpenAI 模型技术信息所做的私下测试。这些对比没有一项写进论文，OpenAI 这个词在论文里一次都没出现。权重目前只通过 Azure 授权给“受信任的合作伙伴”。
这条不是要批评微软，而是给今天的主线补一个反面：一个结论能被外部检查到什么程度，取决于它的对手是不是公开可复算的。论文里的数字谁都能拿去对，员工会上的数字只能听。
四、Anthropic 让律师先定谈判规矩，Salesforce 先定义哪些线索没人跟
企业侧今天有两条可以放在一起看。据金融时报报道、The Decoder 在 10 月 18 日转述，Anthropic 正在咨询律师事务所，为替用户议价、处理投诉、改善合同条款的智能体制定公平谈判规范。报道没有点名律所，也没有列出任何一条规范，Anthropic 本身没有就此发布公告；被描述的用例是价格谈判、投诉处理与合同优化。动机来自 Anthropic 自己的实验：更强的模型能谈到更好的条件，如果能力处在上限那一档的智能体只有付得起钱的人用得上，结果会被放大成一种可规模化复制的不对等。
能核实的部分是招聘。Anthropic 正在公开招聘 Conceptual Reasoning Fellows，面向哲学、认知科学、经济学、政策与法律的研究者和从业者，为期四个月，一个招聘板显示薪酬 11.7 万至 16.7 万美元、另一处列为 10 万至 16.7 万美元，申请截止 10 月 28 日。工作是在没有干净可验证答案的领域给 Claude 出测试题与评测。Anthropic 技术研究员 Justin Curl 的说法点明了原因：在法律领域“定义质量出了名的难”。此前 Anthropic 的 Project Deal 实验给出过一组具体数字——69 名员工各给智能体 100 美元在办公室市场买卖个人物品，达成 186 笔交易、总额超 4000 美元；基于更强模型的卖家每件多赚约 2.68 美元、买家少付约 2.45 美元，一辆坏掉的自行车经强智能体卖 65 美元、经弱智能体卖 38 美元。
Salesforce 那条更朴素。公司副总裁 Itai Margalit 在特拉维夫的一场会议上说，Salesforce 有 1 亿条销售线索，接入智能体之前约 75% 无人跟进；现在由智能体发起第一轮接触，需要人情味时交给人，带来了超过 8800 万美元收入，用传统人力处理同等量级的首触大约需要 400 名员工。公司没有说明 8800 万美元的计算周期与归因方式。Margalit 的另一段话比数字更值得记：很多 AI 项目失败是因为从结果倒着做，还没定义要达成什么就急着要成效；不能把组织和业务流程原样保留、只在上面加一层 AI。他还把前提说得很具体——底层要有一套人和智能体共用的、关于客户、员工与组织活动的单一事实来源。
另外几则
Replit 在 TechCrunch Disrupt 上宣布把 Replit Agent 的默认模型从 Anthropic 换成 OpenAI。CEO Amjad Masad 先说公司不再与 Anthropic 合作，随后澄清 Replit 仍是模型中立的，Claude 可由用户手动选择，OpenAI 只是首选伙伴；有熟悉合作情况的人对“合作已终止”的说法提出异议，Replit 9 月底的工程文章里仍提到 Claude 在跑生产环境。理由给的是成本、性能与合作关系，Masad 说 OpenAI 的 Sol 与 Astra 在 Replit 自建的“从零构建应用”基准上表现更好，这篇报道没有给出测试任务、版本与设置。Replit 同时披露企业合同占收入约 15%，上年约 2%。
DeepSeek 把自家的 Search 与 Fetch 接口开放给智能体和检索应用，按每 1000 次成功请求 0.75 美元计价，返回带重排分数、摘要与可选正文的 JSON。Hacker News 上当日最热的两条分别是这个模型与接口的讨论，以及一条开源编码工具 OpenCode 控制台被攻破、部分用户厂商 API 凭据暴露的事件——后者目前只有单一来源，受影响范围尚未公布。
Altman 在《Sources》播客里确认 OpenAI 会自己造人形机器人，理由是现实世界的门、键盘和工具都按人的身体形态设计；他强调机器人外观不是重点，驱动它的“大脑”才是，预计 2027 年拿出演示样机，真正走上街头还要几年。OpenAI 已启动运动控制、状态估计、执行器控制与实体 AI 训练基础设施等方向的招聘，也在自研集成电机、传动、传感与热管理的机电一体化执行器。
来源与说明
[1]: Lean Now Ships with Verified Kernels —— Leonardo de Moura（Lean 项目负责人） / 2026-10-15 (https://leodemoura.github.io/blog/2026-10-15-lean-now-ships-with-verified-kernels/) [2]: Lean now ships with four extra kernels, one proven consistent by Claude —— Hacker News（121 分） / 2026-10-18 (https://zeli.app/story/50114758) [3]: Lean v4.35.0 adds sandboxed proof checks and four kernels —— Linxi News / 2026-10-16 (https://news.linxi.com.au/news/lean-adds-independent-kernel-checks-in-v4350) [4]: Lean Now Ships With Verified Kernels（逐条限定官方声明的边界） —— Do My Stats / 2026-10-16 (https://domystats.com/software-qa-development/lean-now-ships-with-verified-kernels) [5]: Sergey Brin says Gemini now helps build the next Gemini —— The Next Web / 2026-10-18 (https://thenextweb.com/news/sergey-brin-gemini-recursive-self-improvement-safety-report) [6]: Google DeepMind finds no AI-driven speedup in its own AI research —— Pivot News / 2026-10-18 (https://pivotnews.ai/five/google-deepmind-finds-no-ai-driven-speedup-in-its-own-ai) [7]: Gemini helps build its successor, Brin says in Google roundtable —— Pivot News / 2026-10-18 (https://pivotnews.ai/five/gemini-helps-build-its-successor-brin-says-in-google) [8]: Google DeepMind Finds AI Isn’t Accelerating Its Own Development, Despite Heavy Code Reliance —— CoinTicker / 2026-10-18 (https://cointicker.com/google-deepmind-finds-ai-isnt-accelerating-its-own-development-despite-heavy-code-reliance) [9]: Google DeepMind’s Gemini AI Advances Recursive Self-Improvement in Model Development —— SignalDesk / 2026-10-18 (https://signaldesk.news/sergey-brin-says-gemini-now-helps-build-the-next-gemini) [10]: Suleyman Told Staff MAI-Base-2 Beats the Model Behind GPT-5.6 Sol on a Quarter of the Compute. Microsoft’s Own Paper Only Compares Open Models —— TensorFeed / 2026-10-18 (https://tensorfeed.ai/originals/microsoft-mai-base-2-quarter-compute-open-only-paper) [11]: MAI-Base-2: Microsoft details 2T-parameter base model —— AI and Tech News / 2026-10-16 (https://www.aiandtech.news/article/microsoft-details-mai-base-2-with-2-trillion-parameters) [12]: Microsoft’s MAI-Base-2 bets on efficient scale —— Relve / 2026-10-17 (https://relvehq.com/blog/noise/microsoft-mai-base-2-efficient-scale) [13]: Why Microsoft is chasing smarter AI scaling —— The Deep View / 2026-10-16 (https://www.thedeepview.com/articles/why-microsoft-is-chasing-smarter-ai-scaling?ref=biztoc.com) [14]: Anthropic AI Agent Negotiation Norms: Claimed vs Verified —— ExplainX / 2026-10-18 (https://explainx.ai/blog/anthropic-law-firms-ai-agent-negotiation-norms-conceptual-reasoning-fellows-claimed-vs-verified-2026) [15]: Anthropic Sets AI Agent Negotiation Norms With Law Firms —— TokenFeed / 2026-10-18 (https://tokenfeed.ai/anthropic-is-teaching-ai-agents-to-negotiate-politely) [16]: Anthropic Consults Law Firms on AI Agent Negotiation Norms —— Plox（转述 The Decoder 与金融时报） / 2026-10-18 (https://www.tryplox.com/news/anthropic-ai-agent-negotiation-norms) [17]: Salesforce says AI agents are doing the work it would have needed 400 employees to handle —— CTech by Calcalist / 2026-10-18 (https://www.calcalistech.com/ctechnews/article/hyenkwz2ze) [18]: Replit names OpenAI its preferred Agent partner while Claude remains available —— Big Change / 2026-10-18 (https://bigchange.ai/blog/replit-openai-preferred-agent-partner-claude-choice) [19]: Replit Drops Anthropic for OpenAI as Default AI Partner —— TokenFeed / 2026-10-18 (https://tokenfeed.ai/replit-quietly-swaps-claude-for-chatgpt-then-clarifies-quietly) [20]: Replit shifts Agent default to OpenAI while keeping Claude available —— Tech World / 2026-10-17 (https://techworld.news/2026/10/17/replit-shifts-agent-default-to-openai-while-keeping-claude-available) [21]: DeepSeek search and fetch – $0.75 per 1000 successful requests —— Hacker News（257 分） / 2026-10-18 (https://news.ycombinator.com/item?id=50138531) [22]: Hacker News 当日过 50 分条目汇总（OpenCode 凭据泄露 878 分、DeepSeek v4.1-Flash-1017 881 分） —— crosswalk / 2026-10-18 (https://crosswalk.to/crosswalk/hn-news) [23]: OpenAI 将研发人形机器人，奥尔特曼称核心是打造「大脑」 —— IT之家（转述 Engadget 与《Sources》播客） / 2026-10-18 (https://www.bianews.com/news/details?id=247385) [24]: OpenAI 发力人形机器人研发，将 AI 大脑作为核心突破口 —— 环球网（经网易转载） / 2026-10-18 (https://www.163.com/dy/article/L9H3EHVT0514R9OJ.html) [25]: AI News — October 18, 2026 —— ai0.news / 2026-10-18 (https://ai0.news/posts/2026-10-18-daily-digest) [26]: Daily AI Brief - Sunday, October 18, 2026 —— The AI Wire / 2026-10-18 (https://wire.rundatarun.io/briefs/2026-10-18) [27]: Hacker News Digest · October 18, 2026 —— Zeli / 2026-10-18 (https://zeli.app/digest/2026-10-18)
检索截止：2026-10-19 05:50（Asia/Shanghai）。DeepMind、微软与 Anthropic 的项目数字分别为各自报告、论文与招聘公告口径；律所咨询一项为金融时报报道、Anthropic 未确认，正文中已标明性质；Lean 的各项声明边界按官方公告原文限定。