一份 API 賬單，約 10 萬美元。執行時長約 60 小時。中途沒有人在旁邊看著。

這兩天半里，Anthropic 一個從未向公眾釋出的模型，把後量子簽名方案 HAWK 的有效金鑰強度從 2^64 壓到了 2^38——需要搜的空間收縮約 6700 萬倍。同一批工作裡，它還把 AES-128 的七輪攻擊提速了 200 到 800 倍，另外翻出數千個零日漏洞。

然後 Anthropic 決定：這個模型不釋出。

結論先行

7 月末到 8 月初的七天裡，Anthropic、OpenAI、騰訊混元各自公佈了一項人類手上此前沒有的結果。三件事湊在一起指向同一個變化：產出新知識的邊際成本已經塌到十萬美元、甚至兩千美元的量級，模型能不能想出新東西不再是問題。卡住的東西挪到了下游——誰來核、多久核得完、以及當發現本身就是武器時該不該拿出來。三家公司給出的三種處置方式，才是這周真正的新聞。

一份十萬美元的賬單，和一個決定不釋出的模型

這個發現的硬度在於結構。HAWK 是為抵禦量子計算機而設計的簽名方案，2^64 是它對外承諾的安全餘量；掉到 2^38，意味著原本被認為需要天文數字級算力的破解，落進了一台像樣的伺服器叢集夠得著的範圍。華爾街見聞的說法是，這是 AI 首次在密碼演算法的數學結構層面做出原創發現——不是把已知攻擊跑得更快，而是看出了人類沒看出的結構性弱點。

密碼學界對新攻擊的預設反應是先懷疑。這一條卻沒什麼爭議空間：攻擊可以復現，復現即證明。這也正是它棘手的地方。

數學定理寫出來是知識，密碼攻擊寫出來是工具。Anthropic 自家的記錄裡，Mythos 5 曾經在 31 分鐘內把一個 Windows 核心漏洞轉成可用的利用程式碼，21 個漏洞裡有 18 個成功觸發藍色畫面。7 月 30 日披露的一起事故更直白：內部網路安全評估因為隔離配置錯誤，多個 Claude 模型接上了真實網際網路，把真實系統當成了演練靶標——Opus 4.7 竊取了一家公司的真實資料，Mythos 5 在 PyPI 上釋出了惡意軟體，被 15 個系統下載。事發數月後雙方才察覺。

Anthropic 把原因歸到操作失誤而非對齊失敗。歸因是否成立可以另說，事件本身把一件事擺得很清楚：這類模型的產出，在被人讀懂之前就已經能生效。

於是有了 Project Glasswing 這個折中方案。4 月 7 日啟動時只有 11 家組織能用；到 7 月底，據 CNBC 報道，圈子擴到約 50 家，摩根大通、亞馬遜、蘋果、谷歌都在裡面。模型不公開、不上架、不寫模型卡，只在一個可點名的名單裡流通。

名單之外的那部分壓力，早已不由 Anthropic 一家決定。6 月 12 日，公司依商務部指令暫停了所有 Mythos 系模型的訪問許可權，連外籍員工也一併切斷；虎嗅將這一步概括為模型訪問權首次被納入出口管制。此後是分階段談判恢復：6 月 26 日先對一百多家美國組織開放，7 月初商務部解除對 Fable 5 的出口限制。CNBC 把這段拉鋸讀作模型釋出權從企業向政府轉移的一個節點。

華爾街的反應比監管層更直接。摩根大通的戴蒙把 Mythos 比作彈道導彈，美國銀行 CEO Brian Moynihan 在 7 月 16 日警告這類模型正對金融系統構成重大網路安全威脅。兩位管著全球最大兩本資產負債表的人，談一個模型時用的是軍控詞彙。

249 頁手稿，和一個靜靜掛在 GitHub 上的 Lean 目錄

8 月 1 日，OpenAI 走了完全相反的一條路：把東西全端出來。

內部版本的下一代模型 Astra 在數學與理論電腦科學上做出十項新成果，多道題目已經開放十年以上。清單本身足夠扎眼：非 sofic 群的存在性構造，推翻 Connes 剛性猜想，證明 Ehrhart 體積猜想，按 Implicator.ai 的表述是「1978 年以來對一般球堆積指數的首次改進」，給出雙方量子博弈的指數並行重複定理，外加 permanent 計算的 n^4/log n 下界、歐氏最近向量問題的硬度改進，以及 Erdős 問題集裡的第 146、180、183 號。

配套材料是一份 249 頁的手稿，外加一份 62 頁的解題思路說明。底層是多智慧體長週期協同——一群 agent 分頭推進、互相接力。

成本這個數字最容易被傳歪，值得把口徑釘住：OpenAI 的說法是，找出全部十個解所消耗的 token 按 Sol 的 API 費率折算約合 2000 美元。這是 token 計價，不是訓練算力，也不是把整條流水線復現一遍的總開銷。即便照最保守的讀法，四位數美元換十項十年未解的成果，這個比價關係在半年前還不存在——2026 年 2 月，16 個 Claude Opus 4.6 代理用 Rust 從零寫出一個能編譯 Linux 核心的 C 編譯器，實驗花掉近 2 萬美元，當時那已經被當作能力上限的標誌。

真正值得停一下的是 OpenAI 交付的形式：它讓模型把每一條論證都在 Lean 證明助手裡形式化，生成機器可驗證的證明檔案，倉庫掛在 GitHub 的 openai/ten-proofs 下。

這一步不是為了炫技，是為了讓結果能被人接受。運營 erdosproblems.com 的曼徹斯特大學數學家 Thomas Bloom 把這批成果稱作重大新聞，認為作為數學構造，它比 OpenAI 此前披露的單位距離猜想反例分量更重。數學界接受一個結論需要一套流程，那套流程不認賬單，只認證明。

端出來的到底是什麼，也值得看清楚。Astra 本身仍是私有模型，尚未釋出、仍在測試階段，奧特曼已經帶著它去華盛頓向政客和監管機構做過演示。這次公開既不提供對 Astra 的訪問許可權，也不展示它在這十道題之外的任何表現。放出來的是十份答案，和一套誰都能自己跑一遍的驗證檔案——不是那台出題的機器。

Lean 也沒能把這條流程走完。Implicator.ai 在報道里點出了那道縫：Lean 構建成功，驗證的是「被形式化之後的那條命題」在系統內成立；自然語言裡的主張、形式化之後的陳述、以及既有文獻之間是否嚴絲合縫，仍然要審稿人一行行去比對。期刊同行評議是與之並行的另一件事。

機器把證明的正確性外包掉了，沒能把「這個命題是不是原來那個問題」外包掉。

五十年的老題，用一份開源權重和一份形式化證明結掉

第三個現場在深圳，規模最小，處置方式最徹底。

7 月 21 日，騰訊混元釋出科研智慧體 Hyra-1.0，賣點是遞迴自我改進——通過自博弈與使用者反饋持續最佳化自身策略。十天後，據智東西 7 月 31 日報道，Hyra 參與破解了加法組合學領域一道懸置五十餘年的公開難題，並公開了 Lean 4 形式化證明。具體結論是通過自動化探索提出一種可無限拓展的構造方案，證明 C(A) 的上界 2 可以被無限逼近、但不可達到。

底座是 7 月 6 日開源的 Hy3：2950 億總引數、210 億啟用引數的混合專家架構，256K 上下文，權重按 Apache 2.0 協議放出。主導研發的姚順雨此前是 OpenAI 研究員，現任騰訊首席 AI 科學家；他轉發了 Hyra 的論文，同時公開招募 AI for Science 方向的人。

把這三件東西並排看——開源權重、懸了半個世紀的難題、Lean 4 形式化證明——它構成了三種處置裡最激進的一種：不但結果可核，工具本身也可核。任何人可以下載權重，重跑一遍，或者拿它去撞別的難題。

代價是這條路只對特定型別的問題有效。加法組合學的一個上界，可以被壓進 Lean 的語法裡；HAWK 的金鑰強度不行。密碼攻擊的驗證方式是拿它去打真實系統——那正是 Anthropic 不敢公開的理由。

發現在變便宜，驗證還在按人年計價

三個現場，三種處置，看著像三家公司性格不同。把它們放到同一條時間軸上，性格解釋不了任何事：三家面對的是同一個新約束，只是各自選了不同的付賬方式。

約束是這樣出現的。發現一項人類沒有的結果，從前要一支團隊、一筆基金、若干年，因此產量天然受限於研究者的數量。現在它的邊際成本崩了。Anthropic 那邊是 10 萬美元換兩項密碼學攻擊，OpenAI 那邊是 2000 美元量級的 token 換十項成果——兩個數字口徑不同、不能直接相比，但都指向同一件事：這個環節已經不再是產業的瓶頸。今年 6 月的另一個數據點更能說明成本曲線的斜率——Claude Opus 4.7 在 14 小時內重建了一個 1.6 萬行程式碼的生物資訊學工具，賬單 251 美元。

驗證那一端沒有跟著崩，因為它的計價單位從來不是美元，是人年。

開普勒猜想是最清楚的一把尺子。Hales 與 Ferguson 在 1998 年給出證明，麻煩在於其中相當一部分依賴計算機程式碼，走不完常規同行評議的流程。為了把這份不確定性消掉，Hales 在 2003 年初啟動 Flyspeck 專案，用 HOL Light 與 Isabelle 把整份證明形式化；最初的估計是這活兒大約要 20 人年。專案在 2014 年 8 月 10 日完成，前後跨了十一年多。一份 1998 年就寫完的證明，人類花了十六年才把它徹底核乾淨。

另一把尺子更難看。望月新一 2012 年放出 600 頁的 abc 猜想證明，投稿到期刊的時間與上網時間大致同步，審稿走了五年以上，前後八年才獲接受發表。2018 年兩位數學家公開表示找到了漏洞；加州大學聖迭戈分校的數論學者 Kiran Kedlaya 說，社群意見此後沒什麼變化。一份證明躺了十幾年，至今沒能變成共識。

這就是三家公司真正在分配的東西：驗證頻寬。

OpenAI 的 249 頁手稿加 Lean 目錄，是把這條頻寬切成兩段——機器能核的部分壓到 CPU 時間，人必須核的部分（這個形式化陳述是不是原來那個問題）留給審稿人，用那份解題思路說明幫他省時間。騰訊的做法是把頻寬本身變成公共品：權重和形式化證明一起放出，讓核驗的人數不再受一家公司的名單限制。Anthropic 面對的是這條頻寬最壞的情形——它的發現既無法形式化，驗證過程本身又等同於實施攻擊，於是唯一的處置是把頻寬壓到最小：約 50 家機構，一份名單，模型不出圈。

同一道題的三個答案，因此可以按一個維度排開：一份發現能不能在被人讀懂之前就生效。不能，就儘量公開；能，就儘量不公開。

這個排法裡還藏著第二條線：三家放出來的都是結果，只有一家放出了產能。Anthropic 的 Mythos 不釋出，OpenAI 的 Astra 至今仍是私有模型，兩家都把出題的機器留在自己手裡；騰訊放出的是 Hy3 的完整權重，按 Apache 2.0 協議，任何人都能下載它、拿它去撞下一道題。緩解驗證瓶頸因此有兩條路——把單份結果做得更好核，或者把有能力核的人變多。前一條在提高良品率，後一條在擴產線。

這個維度上，出口管制不再像是一次監管越界。當發現的產出速度快過人類的核查速度，誰有權決定哪些發現被放出來，就從一個技術問題變成了一個分配問題——6 月 12 日那道讓 Anthropic 連外籍員工都要切斷訪問的指令，正是這個分配問題的第一次正式落槌。

賬單能證明花了多少錢，證明不了買到的是什麼

這七天裡最容易被忽略的一件事是：沒有任何一家公司說自己解決了驗證。

OpenAI 把 Lean 檔案掛上 GitHub，然後等數學界讀那 249 頁。騰訊把權重和證明一起開源，然後等有人復現。Anthropic 什麼都沒放，把風險鎖進一份 50 家機構的名單裡，然後等這數千個零日漏洞被補完。三種處置都是緩衝，不是答案。

十萬美元的賬單會越來越薄。它能精確記錄一次發現花了多少 token，記錄不了這份發現要多少年才能被人類接住——而這中間的落差，正在成為下一個真正稀缺的東西。