AI日報｜AlphaProof 攻克數學難題、Grok V9、MiniCPM5-1B 與 NuExtract3 解析

AI 技術新突破：AlphaProof 解開數學謎題與 Grok V9 強化程式能力解析

本文詳細介紹近期人工智慧領域的重大進展。內容涵蓋 DeepMind 成功解決長達半世紀數學難題的過程，以及 Grok V9、MiniCPM5 與 NuExtract3 模型的最新技術與實務應用，帶領讀者一窺這些技術如何改變未來的運算面貌。

說真的，有時候看著人工智慧的進展，會讓人感到一陣屏息。各種嶄新的運算模型與演算法正如雨後春筍般湧現。從理論數學的重大突破，一直到終端設備應用模型的推陳出新，各項技術的交疊發展令人目不暇給。這裡來詳細說明一下近期幾項最具代表性的 AI 發展，探討這些技術究竟帶來了哪些實質上的改變。

數學界的震撼彈：AlphaProof Nexus 攻克半世紀難題

事情是這樣的。那些塵封幾十年的未解之謎，如今居然被演算法一一解開了。這聽起來簡直像科幻小說的情節，但卻真實發生了。

根據這篇名為 Advancing Mathematics Research with AI-Driven Formal Proof Search 的論文記載，Google DeepMind 開發的 AlphaProof Nexus 系統，成功且自主地解決了 9 個開放的 Erdős 數學問題。其中有兩個問題甚至已經懸宕了整整 56 年。大家可能會好奇，這代表著什麼？以往的語言模型雖然聰明，但在處理嚴謹數學證明時，往往會產生邏輯上的幻覺。這套新系統巧妙結合了大型語言模型與 Lean 形式化語言，讓編譯器能夠自動驗證每一個邏輯步驟，確保證明的絕對正確性。

提到數學證明，一般人腦海中浮現的可能是一整黑板的複雜公式，甚至有些令人望而生畏。不過這恰好是邏輯嚴謹的語言模型最能發揮所長的地方。AlphaProof Nexus 採用了非常特別的架構設計。系統內部包含多個子代理程式，彼此獨立運作並尋找證明。更進階的版本甚至導入了演化演算法，讓模型能夠從過往的嘗試中學習並持續進化。

令人驚訝的是整個過程的成本效益。針對這些極度困難的數學問題，系統解決單一問題的推論成本僅需幾百美元。此外，該系統還成功證明了線上整數數列大典（OEIS）中 492 個猜想裡的 44 個。這無疑為數學研究帶來了全新的輔助工具，讓研究人員能夠將更多精力集中在概念的發想上。

Grok V9-Medium 訓練完成：強化程式撰寫能力的下一步

除了學術研究的震撼，產業界的腳步也毫不遜色。馬斯克最近在社群平台上發布了關於 Grok V9-Medium 訓練完成的貼文，引發了技術圈的熱烈討論。

這款擁有 1.5 兆參數的基礎模型 V9-Medium 已經完成初步訓練，目前的評估數據看起來相當優異。模型在補充訓練階段加入了大量來自 Cursor 的數據。熟悉開發工具的讀者一定知道，Cursor 在程式碼輔助編輯領域有著極高的評價。這個舉動明顯是為了大幅度提升 Grok 處理複雜程式碼任務的能力。

目前微調工作正在緊鑼密鼓地進行中，強化學習階段也將於幾天內展開。預計再過兩到三週，這款模型就會正式與大眾見面。相較於目前負責處理所有 Grok 生產流量的 0.5 兆參數 v8-small 版本，V9-Medium 將帶來一次巨大的性能飛躍。特別是針對那些邏輯繁瑣、需要高度前後文理解的困難程式編寫任務，新版本預期將展現出更強大的支援能力。

終端設備的推理小巨人：MiniCPM5-1B 登場

既然提到了大型模型的進展，也絕對不能忽略那些在資源受限環境下表現亮眼的小巧模型。畢竟，許多實際應用場景並沒有無限的雲端運算資源可以揮霍。

由 OpenBMB 推出的這款 10 億參數規模模型，專為終端設備與本地部署而生。大家可以前往MiniCPM5-1B 的專案頁面查看詳細資訊。這款密集型 Transformer 模型在同量級的開源模型中達到了頂尖水準。它特別擅長代理工具的使用、程式碼生成以及困難的邏輯推理。

這款模型引入了混合推理（Hybrid Reasoning）機制，內建了思維模式的聊天模板。使用者可以根據需求，自由切換模型要作為一個快速反應的助手，還是一個需要深思熟慮的推理者。開發團隊採用了精細的資料層級管理策略進行訓練，並結合了監督式微調、強化學習等技術。對於想要在本地端運行智能應用的開發人員來說，可以參考其GitHub 資源進行部署，或者直接到線上體驗平台親自測試它的實際表現。

結構化數據與 OCR 的雙效合一：NuExtract3 視覺語言模型

說到日常開發與企業應用，處理繁雜的文件往往是最讓人頭痛的環節。從 PDF 檔案、螢幕截圖、表單到收據，如何準確抓取資訊一直是個難題。這裡介紹另一款非常實用的新工具。

根據官方的NuExtract3 發布消息指出，NuMind 團隊推出了一款基於 Qwen3.5-4B 的 40 億參數視覺語言模型。它採用 Apache-2.0 授權，最大特色在於將結構化數據提取（輸出為 JSON）與內容提取（輸出為 Markdown 的 OCR 功能）完美結合在單一模型中。

如果您曾經使用過NuMarkdown這款實用的工具，那麼 NuExtract3 就是它的全面升級版。開發團隊透過強化學習賦予了這款模型卓越的提取推理能力，而且這種推理功能還可以根據任務需求隨時開啟或關閉。

為了讓模型具備優秀的長文本理解力，開發團隊動用了 8 張 H100 顯示卡進行了為期 3 天的訓練。這款模型對硬體的要求相當親民，只需大約 4GB 的顯示記憶體就能順暢運行。同時官方也提供了 Safetensors 以及 GGUF 等多種權重量化格式。讀者可以直接前往免費的Hugging Face 體驗空間試用，不需註冊即可操作。若需進一步整合，也可以查閱Hugging Face 模型頁面與相關模型集合，獲取更多部署細節。

常見問題解答 (FAQ)

為了幫助讀者更清楚地掌握本文重點，以下整理了幾個常見的相關問題與解答。

Q1：AlphaProof Nexus 解決 Erdős 數學問題的意義為何？ 這項成就證明了大型語言模型搭配形式化驗證工具，能夠確實避免邏輯上的幻覺。系統以極低的推論成本解決了懸宕超過半世紀的數學難題，為未來的數學理論研究提供了一套極具價值的自動化輔助工具。

Q2：Grok V9-Medium 預計何時會正式對外發布？ 目前模型已完成基礎訓練並加入 Cursor 數據，正在進行強化學習與微調。預計在兩到三週內就會對公眾發布，屆時將大幅提升複雜程式碼任務的處理能力。

Q3：MiniCPM5-1B 適合應用在哪些情境？ 這款 10 億參數的模型專為資源受限的終端設備與本地端部署設計。它具備混合推理功能，非常適合用於開發本地程式碼助手、輕量級代理工具以及需要邏輯推理的邊緣運算情境。

Q4：NuExtract3 與傳統的 OCR 工具有什麼不同？ NuExtract3 是一款兼具結構化提取與內容提取的視覺語言模型。它不僅能將文件圖像轉換為 Markdown 格式，還能根據指定的範本提取出精確的 JSON 數據，特別擅長處理包含表格、表單與複雜排版的文件。