今天留三条消息。它们来自数学证明、编程工具和企业采购，看着相隔很远，落到实际工作里却都绕不开同一件事：模型接进流程以后，谁来验收，权限开到哪里，出了错怎么接手。
Claude 参与完成费马大定理的 Lean 形式化
Anthropic 发布研究文章，称 Claude 在 11 天内大体自主完成了费马大定理的 Lean 形式化工作。按其披露，过程产生了约 1,300 万行代码、30,300 个定理；最终证明使用约 29,500 个定理。这里完成的是已有数学证明的形式化与机器检验，不是发现一条新的数学定理。
这件事让人更容易看清一个方向：模型生成的内容如果能进入形式系统、测试或审稿链，讨论的重点就可以从“它答得像不像”往“结果能不能被独立检查”移动。Anthropic 的文章披露的是自身研究结果，适用范围和复现成本仍要看后续公开材料与独立验证。
GitHub 试验按任务编排多个模型
GitHub 发布 Project HydraFusion 研究预览。它为 Copilot CLI 设计了 Single、Cascade 和 Critique 三种运行方式，在不同阶段调用不同模型，希望在质量、延迟和成本之间做取舍。官方把它定位为研究预览，给出的评测和成本结论也应放在该实验条件下理解。
对正在搭建 AI 编程流程的人，型号名称只是第一层。更该写清的是：哪个环节要快，哪个环节需要更强的推理，产出交给谁复核，工具输出能保留多少上下文。把这些位置画出来，才能判断多模型编排有没有真的减少返工和账单。
xAI 用采购 Bot 展示企业 Agent 的门槛
xAI 公布了一个内部采购场景：Grok Bot 读取供应商支出、合同和使用数据，Haggle Bot 据称识别出超过 10 万美元的直接节省。文章还提到它连接 Slack、Notion、Drive、Gmail 和 Ramp 等系统。这是厂商案例，不能直接当作独立的投入产出证明。
不过它把企业 Agent 的难处摆在了台面上。模型能否读到数据，只是开头；接下来还要规定它能做什么、哪些动作必须人工批准、审批记录放在哪里。没有这几层，接得越多，风险面也越大。
今天可以带走什么
给手上的一个 AI 工具补一张简单的验收卡：它处理什么任务，结果怎样算合格，哪些内容必须人工复核，出错后由谁停止或撤回。先把这四件事写下来，再考虑增加模型、工具和权限。
模型会继续变快。真正能进主线工作的，是那些有人能检查、能接手，也能在该停的时候停下来的流程。