用 Lean 写 Zstandard 解压器：当 LLM 把「证明成本」压下来
Adam Langley 用 Lean 写了一个 Zstandard 解压器，把类型级不变量写成类型签名，再让 LLM 去补证明体， 并记下它在哪些步骤上真的省了事。
大模型
更多 大模型
首页
OpenAI 用自家 LLM 设计 Jalapeño 芯片：不到 100 人，9 个月从 RTL 到流片
OpenAI 在 8 月 25 日揭晓首款自研 AI 加速芯片 Jalapeño，官方称端到端延迟比 GB300 最多低 3.6 倍。芯片设计有自家 LLM 参与，从架构构想到首次流片不到 20 个月，团队平均不到 100 人。
面向编码智能体的挽具设计的实证研究
编码框架决定了自主编码智能体如何将模型能力转化为长周期软件工程表现，但通常被作为单体系统进行评估。本研究固定执行循环，在SWE-Bench Verified和Terminal-Bench上针对四个模型逐一改变三个组件：规划、动作空间和上下文管理。
不懂数学的人，用约 40 亿 token 证出了 Conway 五十年前的猜想
不懂数学的 Dan Abramov 花一个月、约 400 亿 token，让 Claude 与 ChatGPT 接力，用 Lean 证出了 Conway 五十年前的细化猜想。他相信证明成立，但还没有数学家独立验证过。
从一张 HEIC 图片到 OpenAI 内部仓库：72 小时串起两个漏洞
Hacktron 团队串起两个漏洞攻破了 OpenAI。Discourse 图片上传链到 libheif 的堆溢出拿到 RCE，再借 OpenAI SSO 的配置缺陷接管员工账号，从而读到内部 monorepo。全程不到 72 小时。
Jev 不生成文本，只输出概率：把「一个判断」做成 API，我们实测了它要解决的那个问题
TypeSafe AI 的 Jev 把模型输出从字符串换成带概率的类型化判断，还声称概率是「校准」过的。这个前提没有人给过证据，于是我们拿 229 条有确定答案的声明，量了普通 LLM 的置信度到底能不能用来做自动化。
Fable 5 对 GPT-5.6 Sol：花掉 2,000 美元、烧掉 20 亿 token，谁更会写 Expo 应用
三个 AI 模型各一次性做出三个 Expo 应用，烧掉 20 多亿 token、花费 2,000 美元，Fable 5 在代码与 UI 质量上胜出。