陶哲轩加州理工演讲:数学 2.0 到来,证明稀缺时代结束
陶哲轩在加州理工学院发表 Math 2.0 演讲,称 AI 正把数学从证明匮乏时代推入证明充沛时代,传统以解题为核心的评价体系已错位。他指出网上 AI 攻破数学难题的捷报属于幸存者偏差,当前数学前沿绝大多数核心问题仍未解决,AI 直接从问题跳到答案会跨过人类理解。Math 2.0 的实践包括用开源 AI 重构四色定理、ABC 猜想等证明,等式理论项目已判定超 2200 万个命题真伪。
陶哲轩在加州理工学院发表 Math 2.0 演讲,称 AI 正把数学从证明匮乏时代推入证明充沛时代,传统以解题为核心的评价体系已错位。他指出网上 AI 攻破数学难题的捷报属于幸存者偏差,当前数学前沿绝大多数核心问题仍未解决,AI 直接从问题跳到答案会跨过人类理解。Math 2.0 的实践包括用开源 AI 重构四色定理、ABC 猜想等证明,等式理论项目已判定超 2200 万个命题真伪。
ColaOS 创始人橘子复盘个人 Agent 半年变化:云端部署加 flash 级模型(如 DeepSeek Flash、Haiku 5.5)把单用户月成本从几百美元压到约十美元,补贴 token 已低于获客成本,免费打法回归,6 到 18 个月前因成本砸掉的产品值得重做。他放弃卷办公场景,转向「996 之外」的副业与技能变现,今年目标先做到盈亏平衡。
Ramp 和 Stripe 为不会写代码的员工搭建了内部平台,让他们用 Vibe Coding 自行构建内部网站和工具,这些平台在两家公司内部正快速普及。The Pragmatic Engineer 的 The Pulse 专栏将这一现象称为中型科技公司的新趋势,并预计会有更多公司跟进。
Coleman Parkes 代表 Undo 对 300 位负责关键任务软件的资深工程负责人调研发现,AI 编码 Agent 虽加快了代码生成,却把主要瓶颈转移到调试、代码理解和维护。
The Pragmatic Engineer 在 LDX3 工程领导力大会的主题演讲给出 2026 年科技行业快照:几乎没人再手写代码,同时运行 5-10 个 Agent 已成常态,IDE 正在淡化。
OpenRouter 单周处理 146 万亿 token,一年前仅 4.5 万亿,indydevdan 据此认为 AI 泡沫论站不住脚。DeepSeek、OpenAI 和 Google 几乎全年占据 OpenRouter 市场份额前三,Gemini 3.8 Flash 是其 Pi agent 的默认模型。
Martin Fowler 在最新 Fragments 中提出,构建确定性软件与"养育"推理型 LLM 是两回事:前者发现 bug 通常能修复或禁用组件,而 LLM 没有这种简单修复或停用手段。
Prime Radiant 正在开发名为 Sen 的"智能体"同事平台,Sen 拥有持久身份、独立账号和各自的电脑,通过 Slack 与人类同事协作,目前已有开发、运维、项目经理和文档专员四个角色。开发 Sen 的 Ada 主动在 Slack 上催促人类管理者处理积压的 PR 审查,并追问同事 JC 是否是人类。团队最终将 Claude Code 会话升级为 JC Sen。
Martin Fowler 在 Fragments 中引用 Simon Willison 的观点:编码 Agent 虽能做出惊人成果,却让软件工程变得"更难",发挥其全部潜力需要极高的纪律与知识。
Rails 创始人 David Heinemeier Hansson(DHH)在 Rails World 主题演讲中宣布,至少在 37signals,专业工作已不再需要手写代码,由此引发新一轮“手写代码之死”争论。本期 The Pulse 还关注 Amazon 与 Meta 在招聘方面遇到的困难。
Martin Fowler 在 Fragments 中汇总:OpenAI 此前对 RubyGems 的智能体攻击未主动告知 RubyGems 团队,Simon Willison 认为这与其在 Hugging Face、Wiki 攻击中的表现同样糟糕。
Armin Ronacher 用 Opus 5 按 David Sacks 推文的结构生成了一段 8 段、350 词以内的文本,Pangram 判定其为 100% AI 生成。随后他逐段人工改写,与原文相似度约 50%、无一句相同,仅用 LLM 修正错别字。Pangram 自称误判人类文本为 AI 的比例为 0.0041%,漏检 AI 文本为 0.34%。
Armin Ronacher 撰文回应 Dario Amodei 提出的"前沿调速"主张,认为真正值得担心的不是 AI 造核弹,而是它对普通人的影响。他指出当前只有 Anthropic 和 OpenAI 两家公司在这一领域举足轻重,二者同源且都受益于公共数据训练,而 Dario 提议的第三方评估机构 METR 也与两家关系密切。
Armin Ronacher 撰文回应"在当下科技行业怎么可能不愤怒"的提问,认为面对 AI 更合理的情绪是迷茫与焦虑而非愤怒,因为愤怒需要一个可归咎的对象,而 AI 带来的冲击让每个人都难以看清未来。他建议用不确定感取代愤怒,因为它能通向好奇心,进而带来实验与行动的自由;许多公开表现自信的从业者私下同样充满不确定,只是在用信心为自己争取筹码。
Armin Ronacher 认为 LLM 让语言选择变得不再重要,开发者可以重写语言或选用自己完全不熟悉的语言,因此更倾向按语言营销来选型,Rust 因此迎来一批此前不会选它的开发者。
Steve Yegge 提出"平坦曲线社会":模型智能仍在指数增长,但最强大的模型将被各国政府像核武器一样管制,多数企业和开发者只能用到 Fable 级模型。他指出开源模型落后前沿约七个月,且难以突破 Fable 级,因为算力供应链正被锁定。他还提出"辨识地平线"概念,认为用户因缺乏足够难的问题而无法区分更强模型。
Steve Yegge 认为技术面试已走到尽头,他基于近 35 年面试官经历指出,Google 的统计显示面试官之间几乎无法达成一致,同一候选人常被一人评为"强烈推荐"、被另一人直接拒绝,且面试分数与入职后表现几乎无关。他曾在 Amazon 担任 Bar Raiser、在 Google 任职 Hiring Committee,认为现有流程靠各种"创可贴"式修补维持,却仍大量误招与错拒。
Steve Yegge 提出"AI 吸血鬼"概念,认为 AI 确实能带来 10 倍生产力,但价值捕获机制决定了开发者要么被公司榨干、要么公司被竞争对手淘汰。他以 Opus 4.5/4.6 配合 Claude Code 为例,称 AI 编程在 2025 年 11 月 24 日到达事件视界,并提到 Claude Code 已在微软工程团队中迅速占据主导。