约 1 万个 Agent 并发工作 88 小时、消耗约 1300 亿输出 token，OpenAI 随后公开了一份 Navier–Stokes 证明。机器已经把数学推到审稿桌前，但“形式化通过”还不等于“共同体确认”。
🚀 模型能力与科学验证
• OpenAI 公布 Navier–Stokes 解答 —— 内部系统用约 1 万个并发 Agent 工作 88 小时，GPT-6 Astra 又花 17 小时完成 Lean 形式化。公司称其解决了这道约 90 年未决的千年难题；在独立审查完成前，更准确的说法仍是“提交了一份可机器核验的候选证明”。
🛠️ Agent 工具与上下文工程
• Hyperframes 让 Agent 用 HTML 生成视频 —— 项目把 HTML、CSS、媒体和动画渲染成确定性 MP4，当日新增 2628 stars。视频生产由提示词黑箱变成可预览、可修改、可版本管理的工程产物。
• context-mode 把工具输出移出主上下文 —— 项目通过沙箱、MCP 和 Hooks 截住日志、网页与测试输出，仓库实测将 315KB 原始内容压到 5.4KB。其“减少 98%”仍取决于任务类型，但思路很明确：不要花昂贵上下文搬运机器本来就能处理的数据。
• LangChain 为子 Agent 增加两种上下文模式 —— fork 继承主管 Agent 的完整上下文，减少重复读文件；isolated 从空白环境启动，适合独立审查。多 Agent 的关键选择不是派多少角色，而是谁该知道什么。
🚨 资本选择与控制权
• Mistral 完成 30 亿欧元融资 —— 本轮投后估值超过 210 亿欧元，资金将投向模型研究、基础设施与欧洲独立算力。资本押注的不只是一家公司，也是在检验欧洲能否真正掌握模型、部署地点与数据规则。
📚 延伸阅读
• OpenAI：On the Navier–Stokes Millennium Prize Problem
https://openai.com/index/navier-stokes-solution/
• LangChain：Organizing Context in a Multi-Agent Harness
https://www.langchain.com/blog/organizing-context-in-a-multi-agent-harness
• context-mode：Context Window Optimization for AI Coding Agents
https://github.com/mksglu/context-mode
