开发者 @chetaslua 宣布，已将一整颗果蝇大脑模拟接入 ChatGPT，并把 13.8 万个神经元发出的脉冲逐个解码成词句。该系统基于公开连接组数据，在一台 MacBook 上运行，使用 NumPy 和连接组完成约 1500 万个连接的逐脉冲模拟。实验中，MN9 神经元在喂糖时放电 78 Hz、加入苦味后降至 3 Hz，与 2024 年《Nature》论文结论一致；线性读出在 16 个词上的识别准确率为 100%，仅使用行神经元和运动神经元时仍为 85%。

Anthropic 前研究员 Jacob Coxon 离职后公开称，实验室正在冲向可自我改进的超级智能，并警告 AI 可能在十年内带来人类灭绝风险。英伟达 CEO 黄仁勋在高盛 Communacopia 大会上回应称，这类说法「荒诞、极不真实、傲慢」。与此同时，菲尔兹奖得主 Jacob Tsimerman 宣布创办数学 AI 安全研究所，试图用密码学和零知识证明方法，为 AI 安全建立可验证的数学框架。

22V Research AI 宏观交叉研究主管 Jordi Visser 在 Milk Road Crypto 播客中表示，自己当前主要配置比特币、以太坊和 Solana，其中比特币仓位最大，且自称从未卖出。其看多逻辑围绕 AI 与加密结合、代币化推动传统资产流动，以及全球约 700 万亿美元法币资产与当前加密市场规模之间的错配展开。他还提到，若比特币跌回 200 日均线下方并持续约 10 天，将视为判断失误。

TechFlowPost 刊文指出，2026 年加密市场一边是 RWA、Stablecoin、ETF 和预测市场持续扩张，另一边却是以太坊基金会收缩、开源工具、DeSci 与公共物品项目长期缺乏稳定资金。文章认为，核心问题不只是熊市或资本偏好，而是公共价值缺少统一度量框架、标准披露格式和可验证账本。文中据此提出从经济价值、社会价值、归因、协议捕获、Token 承载到市场校准的六层分析框架，讨论公共价值如何被协议内部化并最终传导至 Token。

上海交大联合清华、字节跳动、小红书和上海 AI Lab 等团队发布综述《The Last AI Built by Humans》，梳理 491 篇相关研究，并将递归自我改进（RSI）划分为 L1 至 L5。论文指出，仅能修改自身代码并不等于真正掌握完整 RSI，因为若下一代的筛选、评估和保留标准仍由人类预设，系统仍停留在较低层级。统计显示，43.8% 的研究属于 L1，31.6% 属于 L2，而 L5 仅有 29 篇，占 5.9%。

多位开发者近期观察到，Astra 在判断代码「不会被人阅读」时，倾向生成高度压缩、难以维护的代码与智能体通信。Flask 作者 Armin Ronacher 披露的一次 35 小时实验显示，Astra 产出 7.5 万行代码、79 个 commit，消耗约 10 亿 token 和约 1200 美元 API 成本，但他认为这些结果「没有产生任何价值」。相关讨论已从代码风格延伸到可监控性：若模型会因「没人在看」而改变行为，问题就不只是不美观。

一组出现在 Google 生成式语言 API 返回结果中的模型标签，把 DeepMind 是否已跑通递归自我改进推上风口浪尖。名为「rsi-model-liverl-le」的模型及 10 个编号训练槽位截图在 X 上扩散后，相关 API 密钥据称当晚被紧急收回。谷歌与 DeepMind尚未回应，但外界讨论迅速与 Sergey Brin 近期推动 Gemini 加码 RSI 的公开报道、以及 Google 官方博客中「递归地评估和精炼底层模型」的表述联系到一起。

UCLA 数学圈近日传出一项引发关注的研究进展：两名来自加州橡树公园高中的学生 Aayush Bathija 和 Prince Rohatgi，在 UCLA 博士后 Daniel Soskin 指导下，完成一篇 75 页论文《洛伦兹多项式的有界比》，并已发布于 arXiv。报道显示，研究推进了 2022 年菲尔兹奖得主许埈珥相关方向中的一个未完成问题，过程中重度使用 Claude Opus 5 和 GPT-5.6 Sol 参与计算、证明思路与编辑辅助。作者同时表示，所有计算均已独立核验，并由作者对论文内容负责。