+− THE DAILY DIFFdev & AI news
SHIP IT

ක්ලෝඩ් දින 11කින් ෆර්මැට්ගේ ප්‍රමේයය ඔප්පු කළේය. තීරණය: SHIP IT.

ක්ලෝඩ් දින 11ක් සහ ටෝකන බිලියන 6ක් පමණ වැය කරමින්, ෆර්මැට්ගේ අවසාන ප්‍රමේයයෙහි මිලියන 13ක Lean සාධනයක් ලිවීය — එය පරිගණකයකින් පරීක්ෂා කරන ලද පළමු සම්පූර්ණ සාධනයයි — එය 2024 සිට විධිමත් කරමින් සිටින ගණිතඥයා පැවසුවේ ගණිතමය වශයෙන් එය "අපට කිසිවක් නොකියන" බවත්, ඔහු කෙසේ හෝ සතුටට පත්වන බවත්ය.

Want to see our stories first on Google? Add us to your preferred sources — it helps us grow.

ක්ලෝඩ් දින 11ක් සහ ටෝකන බිලියන 6ක් පමණ වැය කරමින්, ෆර්මැට්ගේ අවසාන ප්‍රමේයයෙහි මිලියන 13ක Lean සාධනයක් ලිවීය — එය පරිගණකයකින් පරීක්ෂා කරන ලද පළමු සම්පූර්ණ සාධනයයි — එය 2024 සිට විධිමත් කරමින් සිටින ගණිතඥයා පැවසුවේ ගණිතමය වශයෙන් එය "අපට කිසිවක් නොකියන" බවත්, ඔහු කෙසේ හෝ සතුටට පත්වන බවත්ය. එදිනම: ලෝක අංක 1 ෂින් ජින්-සියෝ, ගල් දෙකක බාධකයක් සහිතව KataGo 2-1කින් පරාජය කළේය. තීරණය: SHIP IT.

මෙම වීඩියෝවෙන් ආවරණය වන දේ

  • ක්ලෝඩ් Lean 4 හි ෆර්මැට්ගේ අවසාන ප්‍රමේයය විධිමත් කරයි
  • ක්‍රෝමියම් සැන්ඩ්බොක්ස් RCE (CVE-2026-85046), ප්‍රායෝගිකව භාවිතා කරන ලදී, ඩොලර් 1,000ක ත්‍යාගයක්
  • ෂින් ජින්-සියෝ, ගල් දෙකක බාධකයක් සහිතව KataGo පරාජය කරයි

ප්‍රශ්න සහ පිළිතුරු

ෆර්මැට්ගේ අවසාන ප්‍රමේයය Lean හි විධිමත් කරන විට ක්ලෝඩ් ඇත්ත වශයෙන්ම ඔප්පු කළේ කුමක්ද?

ක්ලෝඩ්, ෆර්මැට්ගේ අවසාන ප්‍රමේයය සඳහා පරිගණක මගින් පරීක්ෂා කරන ලද Lean 4 සාධනයක් ලිවීය, එය පළමු අන්තයේ සිට අන්තය දක්වා වූ සාධනයයි. Anthropic හි නියෝජිතයන් දින 11ක් සහ ආසන්න වශයෙන් බිලියන 6ක ප්‍රතිදාන ටෝකන භාවිතා කර, Lean හි මිලියන 13ක් පේළි සහ අතරමැදි ප්‍රමේයයන් 29,500ක් නිපදවන ලදී. Lean සෑම පියවරක්ම යාන්ත්‍රිකව පරීක්ෂා කරන අතර, සාධනය Lean හි සම්මත ප්‍රත්‍යක්ෂ තුන මත පමණක් රඳා නොපවතින්නේ නම් ගොඩනැගීම අසාර්ථක වේ.

www.anthropic.com · github.com

එම ප්‍රමාණයේ යන්ත්‍රයකින් ලියන ලද සාධනයක් පරීක්ෂා කිරීමට කොපමණ පරිගණකකරණයක් අවශ්‍යද?

පරීක්ෂා කිරීම මිල අධිකය. මුල සිටම ගොඩනැගීමක් සඳහා න්‍යෂ්ටීන් 96ක් සහ 153 GB RAM මත පැය පහහමාරක් ගත විය. කෙවින් බසාර්ඩ්, Anthropic විසින් ඔහුට ලබා දුන් 500 GB යන්ත්‍රයක ගබඩාව සම්පාදනය කර එය පරීක්ෂා කරන බව තහවුරු කළේය. ප්‍රමේය නම් යන්ත්‍ර මගින් ජනනය කර ඇති බැවින්, ගබඩාව කියවීමට වඩා පරීක්ෂා කිරීමට ලියා ඇති බව විස්තර කරයි.

github.com · xenaproject.wordpress.com

ෆර්මැට්ගේ අවසාන ප්‍රමේයය පිළිබඳ AI-ලියන ලද විධිමත් සාධනයක් ගණිතයට යමක් එකතු කරන්නේද?

2024 සිට මානව විධිමත්කරණ ප්‍රයත්නයක් මෙහෙයවූ කෙවින් බසාර්ඩ් ලිව්වේ ගණිතමය වශයෙන් මෙම කාර්යය අපට කිසිවක් නොකියන බවයි. ප්‍රමේයය සත්‍ය බව ඔහුට දැනටමත් 99.9%ක් විශ්වාස වූ අතර සාධනය කිසිදු නව ගණිතයක් එකතු නොකරයි. කෙසේ වෙතත්, ස්වයංක්‍රීය විධිමත්කරණයට දැන් කළ හැකි දේ එයින් පෙන්නුම් කරන නිසා ඔහු උද්යෝගිමත්ය. Anthropic හි පෝස්ට් පවසන්නේ Lean සැකයකින් තොරව නිවැරදි බව පෙන්නුම් කරන බවයි.

xenaproject.wordpress.com · www.anthropic.com

මිනිසෙකුට තවමත් ප්‍රබලම Go AI පරාජය කළ හැකිද?

ඔව්, අවාසියක් සමඟ. Go හි ලොව අංක එකේ ක්‍රීඩකයා වන ෂින් ජින්-සියෝ, සෝල්හිදී ප්‍රබලම විවෘත මූලාශ්‍ර Go එන්ජිම වන KataGo, ගල් දෙකක අවාසියක් සමඟ ක්‍රීඩා දෙකක් එකකට පරාජය කළේය. තීරණාත්මක තරඟය චලනයන් 221කින් ලකුණු 11.5ක ජයග්‍රහණයකි. ඔහු පැවසුවේ මුලින් AI චලනයන් පිටපත් කරන විට තමා පරාජය වූ බවත්, තමාගේම ශෛලියෙන් පුවරුව ගොඩනඟා ජයග්‍රහණය කළ බවත්ය.

www.kedglobal.com · news.ycombinator.com

සංවර්ධකයින් සහ ගණිතඥයින් ක්ලෝඩ්ගේ ෆර්මැට්ගේ Lean සාධනය සැබෑ ප්‍රතිඵලයක් ලෙස සැලකිය යුතුද?

The Daily Diff හි තීන්දුව වූයේ SHIP IT යන්නයි. Lean කර්නලය සාධනය පිළිගන්නා අතර කෙවින් බසාර්ඩ් එය පරීක්ෂා කරන බව තහවුරු කළේය. ගණිතය එලෙසම පැවති අතර, ගණිතඥයින් සාධන පරීක්ෂා කරන ආකාරය වෙනස් විය. බසාර්ඩ් මෙහෙයවන මානව ප්‍රයත්නය 2024 දී ආරම්භ වූ අතර, ක්ලෝඩ්ගේ නියෝජිතයන් දින එකොළහකින් එය නිම කළහ.

www.anthropic.com · xenaproject.wordpress.com

පරිවර්තනය කරන ලද පිටපත

මුල් ඉංග්‍රීසි නිරූපණයෙන් පරිවර්තනය කරන ලදී. පවතින ශ්‍රව්‍ය සහ ශීර්ෂ පාඨ YouTube මගින් පාලනය වේ.

0:00 ෆර්මැට් පැවසුවේ ඔහුගේ පුදුමාකාර සාධනය ආන්තිකයේ නොගැලපෙන බවයි, අද Anthropic විසින් ආන්තිකය ප්‍රකාශයට පත් කරන ලදී: මිලියන දහතුනක Lean රේඛා, Mathlib හි ප්‍රමාණය මෙන් පස් ගුණයක්, සෑම ගණිතඥයෙක්ම දැනටමත් විශ්වාස කරන ප්‍රමේයයක් ඔප්පු කරමින් විශ්වාස කළේය. Anthropic පළ කරන විට ටිබිලිසියේ වේලාව දහය හෝ එකොළහ විය, ඉතින් ස්වභාවිකවම මම අවදියෙන් සිටියෙමි. ඊයේ Google විසින් ආරක්‍ෂක නිවැරදි කිරීම් දොළහක් සහිත Chrome 152 නිකුත් කරන ලදී, ඒවායින් එකක් වන V8 දෝෂය දැනටමත් ප්‍රායෝගිකව භාවිතා කර ඇති අතර, වාර්තාකරුට ඩොලර් දහසක් ගෙවන ලදී, එය අප පසුව කතා කරන සෙඩාන් රථයට වඩා අඩුය.

0:26 ඊයේ ද Mullvad පැවසුවේ ඔවුන් නොවැම්බර් 2 වැනිදා සිට ඔවුන්ගේ පොදු සංකේතනය කළ DNS වසා දමන බවත්, ඒ වෙනුවට Quad9 හට ගෙවන බවත්, අද උදෑසන Rust React Compiler Vite හි native වූ අතර, Hacker News විසින් IBM Bob සොයා ගන්නා ලදී, AI කේතන නියෝජිතයෙක්. ඉන්පසු ක්ලෝඩ් ෆර්මැට්ගේ අවසාන ප්‍රමේයය විධිමත් කළ අතර, එම ඉදිරිපස පිටුවේම කොරියානු මහාචාර්යවරයෙක් පෘථිවියේ බලවත්ම Go එන්ජිම පරාජය කළේය, අද මනුෂ්‍යත්වය දෙකෙන් එකක් විය. මෙම වීඩියෝවේ: ක්ලෝඩ් ඇත්ත වශයෙන්ම ඔප්පු කළේ කුමක්ද, එයට කොපමණ මුදලක් වැය වූවාද,

0:52 ඔහුගේ වෘත්තිය මේ සඳහා වැය කළ ගණිතඥයා පවසන්නේ එය කිසිවක් වෙනස් නොකරන බවත් කෙසේ හෝ සතුටින් සිටින බවත්, Go ක්‍රීඩාවෙන් යන්ත්‍රය පරාජය කළේ කෙසේද යන්නත්. අද සැප්තැම්බර් 4 සිකුරාදා, මෙය The Daily Diff. ෆර්මැට්ගේ අවසාන ප්‍රමේයය: ධන පූර්ණ සංඛ්‍යා a, b, c නොමැත n ට වඩා වැඩි ඕනෑම n සඳහා a හි n ධන b හි n සමාන c හි n තෘප්තිමත් කරයි. ෆර්මැට් එය 1637 පමණ වන විට ආන්තිකයකට සටහන් කර, තම වැඩ පෙන්වීමකින් තොරව මිය ගියේය, ඔහු තම යන්ත්‍රයේ වැඩ කරන බව පවසමින් ටිකට් පතක් වසා දැමූ පළමු සංවර්ධකයා බවට පත් විය. 1908 දී රන් ලකුණු 100,000ක ත්‍යාගයක් එහි පළමු වසර තුළ වැරදි සාධන 621ක් ආකර්ෂණය කර ගත් අතර,

1:25 ඇන්ඩෲ වයිල්ස් අවසානයේ 1995 දී එය ලබා ගත්තේය, විමර්ශකයන්ට සත්‍යාපනය කිරීමට මාස ගණනක් ගත වූ පිටු 129කින්. විධිමත් කිරීම යනු එම සාධනය Lean, සාධන සහායකයෙකුට සෑම පියවරක්ම යාන්ත්‍රිකව පරීක්ෂා කළ හැකි වන පරිදි නැවත ලිවීමයි, Imperial හි කෙවින් බසාර්ඩ් 2024 සිට හරියටම එය කිරීමට මානව උත්සාහයකට නායකත්වය දී ඇත; සැලැස්ම පමණක් පිටු 86කින් යුක්ත වේ. Anthropic පර්යේෂක Tianyi Peng ඒ වෙනුවට ක්ලෝඩ් නියෝජිතයන් දුසිම් ගණනක් ඒ වෙත යොමු කළේය, තේරම් ප්‍රකාශනවල DAG එකක් තබා ගන්නා Prove2Me නම් වේදිකාවක් මත, නියෝජිතයන් ඊළඟට කුමක් ඔප්පු කළ යුතුදැයි දැන ගැනීමට, මන්ද එය නොමැතිව පළමු

2:00 රංචු කවුරුන් කුමක් ඔප්පු කරන්නේද යන්න පිළිබඳව අවධානය යොමු කිරීම අත්හැර දැමූ අතර, ඔබේ සංවිධාන ස්ථරය අලෙවිකරණ අයවැයක් සහිත regex වූ විට මෙය සිදු වේ. දින එකොළහකට පසු මූල නෝඩය PROVED ලෙස කියවන ලදී: මිලියන දහතුනක Lean රේඛා, අන්තර්මධ්‍යම ප්‍රමේය 29,500ක්, ක්ලෝඩ් Fable 5.1 ට සමාන අභ්‍යන්තර ආකෘතියකින් ටෝකන බිලියන හයක් පමණ ප්‍රතිදානය. සාධනය Lean හි සම්මත ප්‍රත්‍යක්ෂ තුන මත පදනම් නොවන්නේ නම් ගොඩනැගීම අසාර්ථක වේ: නැත කණගාටුයි, native decide නැත, වංචා නැත. එය පරීක්ෂා කිරීම ද ලාභදායී නොවේ: මුල සිටම

2:29 ගොඩනැගීමට පැය පහහමාරක් ගත විය 96 cores සහ 153 gigabytes RAM මත, සහ ප්‍රමේය නම් යන්ත්‍රයෙන් ජනනය කර ඇත, එබැවින් repo විසින් එය කියවීමට වඩා පරීක්ෂා කිරීමට ලියා ඇති බව විස්තර කරයි, එය ව්‍යවසාය Java විස්තර කරන ආකාරය ද වේ. දැන් ප්‍රතිවිරෝධය. Anthropic ගේ පළ කිරීම පවසන්නේ Lean නිවැරදි බව සැකයකින් තොරව පෙන්නුම් කරන බවයි. එය අත්පත් කරගත් කෙවින් බසාර්ඩ්, Anthropic ඔහුට ලබා දුන් 500-gigabyte යන්ත්‍රයක repo සම්පාදනය කර, එය පරීක්ෂා කරන බව තහවුරු කර, පසුව ලිවීය,

2:56 උපුටා දැක්වීම, ගණිතමය වශයෙන් මෙම කාර්යය අපට කිසිවක් නොකියයි. ඔහු දැනටමත් 99.9% ක්ම ප්‍රමේයය සත්‍ය බව විශ්වාස කළේය, සහ සාධනය කිසිදු නව ගණිතයක් එකතු නොකරයි; එය පෙන්වන්නේ autoformalization ට දැන් කළ හැකි දේ වන අතර, ඒ කොටස ගැන ඔහු සැබවින්ම උද්යෝගිමත් වේ. ඔහුට වසර පහක් පුරා පවුම් මිලියනයක් ලබා දෙන ලදී; Anthropic හට දින එකොළහක් ගත විය, සහ අදහස් දක්වන්නෙකුගේ ගණනය කිරීම් අනුව ටෝකන බිලියන හයක් ලැයිස්තු මිලට සමාන වේ. ආසන්න වශයෙන් ඩොලර් 300,000ක්, ඒ නිසා යන්ත්‍රය ලාභදායී විය, ඔබ යන්ත්‍රය පුහුණු කිරීම ගණන් නොගන්නේ නම් මිස, එය කිසිවෙකු කරන්නේ නැත.

3:24 හොඳම විස්තරය: ඔහු වේල්සයේ සංගීත උළෙලක සිටින විට විද්‍යුත් තැපෑල ලැබී ඇත. 4G එක් තීරුවකින්, ඔහු කිසිදා අසා නැති නමකින්, ඒ නිසා ඔහු එය පිස්සුවක් ලෙස බැහැර කළේය. සතියකට පසුව එය කියවා, එය ඕනෑම විෂය මාතෘකාවකට නිවැරදි ප්‍රතිචාරයයි. අන්තයෙන්-අන්තය දක්වා විධිමත් කිරීම අඩංගු වේ. මේ අතර, මිනිසුන් එකක් ආපසු ලබා ගත්හ. Go හි ලෝකයේ අංක එකේ Shin Jin-seo, KataGo පරදවා ඇත. ශක්තිමත්ම විවෘත මූලාශ්‍ර Go එන්ජිම, සෝල් හි ක්‍රීඩා දෙකක් එකකට, ගල් දෙකක ආබාධයක් සහිතව, ඉහළ වෘත්තිකයෙකු සහ නවක වෘත්තිකයෙකු අතර පරතරය ආසන්න වශයෙන් සමාන වේ.

3:50 තීරණාත්මක තරගය 11.5-ලකුණු ජයග්‍රහණයක් විය, චලනයන් 221කින්, එයින් තරගය මැද සිට 99%ක ජයග්‍රාහී සම්භාවිතාවක් පවත්වා ගෙන ගියේය, ඔහු මිලියන 250ක් දිනා ගත්තේය. වොන්, ඩොලර් 170,000ක් පමණ, ප්ලස් Genesis G90 එකක්, ඒ නිසා ත්‍යාගය අධි-මානුෂික AI පරාජය කිරීම Google හි Chrome sandbox එකකට ඇති ත්‍යාගයට වඩා 170 ගුණයක් වැඩියි. ගැලවීම. ඔහුගේ පැහැදිලි කිරීම: මුලදී ඔහු AI චලනයන් පිටපත් කර පරාජය විය; ඔහු ජයග්‍රහණය කළේ ඔහුගේම ශෛලියකින් පුවරුව ගොඩනැගීමෙන්, එය AI ගැන මා ලද වඩාත්ම ප්‍රයෝජනවත් උපදෙස්ය. මම මේ වසර පුරාම අසා ඇත, එය පුවරු ක්‍රීඩාවකින් පැමිණියේය. වෙනසෙහි තවත් පේළි දෙකක්.

4:22 oxc හි Rust React Compiler දැන් Vite හි එක් කොඩියක් පිටුපස ස්වදේශීයයි; අ ගොනු 1,036ක කේත පදනමක් තත්පර 14.3 සිට 0.81 දක්වා අඩු විය. සම්පාදන පියවරේදී, බොහෝ දුරට Babel ඉවත් කිරීමෙන් package.json, එය මගේ සම ආරක්ෂණ චර්යාව ද වේ. තවද IBM විසින් Bob දියත් කරන ලදී, ඔබට Hi, සමඟින් ආචාර කරන AI කේතන සහකරුවෙකි. මම Bob, උප-ඒජන්සි බිහි කරයි, මේන්ෆ්‍රේම් කේතය නවීකරණය කරයි, සහ Bobalytics නම් විශ්ලේෂණ නිෂ්පාදනයක් නිකුත් කරයි, එබැවින් කොතැනක හෝ බැංකුවක් ඉතා උද්යෝගිමත් වන අතර කිසිවෙකු බලපත්‍රය කියවා නැත.

4:51 ඒ එක් සිකුරාදාට විශාල මායිමකි; මට කියනවාට වඩා මෙය කියවීමට ඔබ කැමති නම්, වෙනස සෑම උදෑසනකම ඔබගේ එන ලිපි වෙත පැමිණේ - daily diff dot හි නොමිලේ dev, පහත සබැඳිය. එබැවින්, අද තීන්දුව: එය නැව්ගත කරන්න. කර්නලය ඔව් කියයි, Buzzard ඔව් කියයි, ගණිතය වෙනස් වී නැත. නමුත් අපි ගණිතය පරීක්ෂා කරන ආකාරය දැන් වෙනස් විය. ඒ අද දවසේ වෙනසයි. මම Axrisi හි Niko.

5:09 වගකීමෙන් ඒකාබද්ධ කරන්න.

මූලාශ්‍ර

  1. Anthropic — Formalizing Fermat's Last Theoremwww.anthropic.com
  2. The proof (Lean 4, Apache-2.0)github.com
  3. Kevin Buzzard — FLT: Anthropic has beaten me to itxenaproject.wordpress.com
  4. HN threadnews.ycombinator.com
  5. KED Global — Shin defeats KataGowww.kedglobal.com
  6. HNnews.ycombinator.com
  7. Chrome 152 release notes (CVE-2026-85046)chromereleases.googleblog.com
  8. NVDnvd.nist.gov
  9. Mullvad — shutting down public encrypted DNSmullvad.net
  10. Rust React Compiler native in Viteblog.master.dev
  11. IBM Bobbob.ibm.com

Niko from Axrisi

Nikoloz Turazashvili · Vexrail · Axrisi

LinkedIn · dev.to · GitHub · X · Substack

අදාළ වීඩියෝ

daily · si · 2026 ඉල් 6

Claude Code විසින් පරිශීලකයින්ගේ ඊමේල් වෙබ් අඩවි වෙත සම්බන්ධතා ලිපිනයක් ලෙස යවා ඇත

Claude Code විසින් පුරනය වූ ගිණුමේ විද්‍යුත් තැපැල් ලිපිනය ආකෘතියේ සන්දර්භයට එක් කරන ලද අතර, නියෝජිතයා සමහර විට විකිපීඩියා සහ SEC වැනි සම්බන්ධතාවක් සඳහා ස්ක්‍රිප්ට් ඉල්ලා සිටින අඩවි සඳහා ලියන ලද curl

5:08 ↗
daily · si · 2026 බිනර 30

Claude "nerf" එකක් හඳුනා ගන්නේ කෙසේද (සත්‍ය දත්ත සමඟින්)

සෑම දියත් කිරීමකින්ම සති කිහිපයකට පසු Claude අකාර්යක්ෂම වන බව මිනිසුන් පවසති. එක් සංවර්ධකයෙක් Claude Opus 5.5 දියත් කළ සතියේ සිට දින 30ක කාල සටහනකට යටත් කළ අතර, එයට ස්ථාවර ප්‍රශ්න, අමුණා ඇති Claude කේ

5:07 ↗
daily · si · 2026 බිනර 24

Meta හි සේවකයින් Meta හි කණ්නාඩි වලට වෛර කළහ. Meta වීඩියෝව මකා දැමීය.

Meta හි ඇම්ස්ටර්ඩෑම් කාර්යාලය ඉදිරිපිට Meta හිම කැමරා කණ්නාඩි වලින් Meta හි සේවකයින් රූගත කරන අයුරු මිලියන භාගයක ජනතාවක් නැරඹූ අතර, Instagram විසින් “හිරිහැර කිරීම් සහ හිරිහැර කිරීම්” හේතුවෙන් වීඩියෝව

4:40 ↗
daily · si · 2026 බිනර 23

Claude Opus 5.5 මිල අඩු කළේය. OpenAI තවත් අඩු කළේය.

Anthropic විසින් Claude Opus 5.5 නිකුත් කරන ලදී: බොහෝ වැඩ සඳහා Fable-මට්ටමේ, මුල් මිලෙන් පහෙන් පංගුවක් අඩුවෙන් සහ හැඹිලිගත කියවීම් සඳහා 60% ක වට්ටමක්. ආසන්න වශයෙන් මිනිත්තු අනූවකට පසුව OpenAI විසින් G

5:12 ↗