7月10日，OpenAI宣布Sol Ultra用64个子智能体，不到一小时证明了图论领域悬而未决50年的「循环双覆盖猜想」。论文挂在arXiv上，作者署名OpenAI研究组。64个Agent并行，700词Prompt，一小时跑完证明。这是AI第一次独立完成人类数学家花了半个世纪没解决的问题，里程碑式的成就。
但同一天发布的System Card里，OpenAI自己披露了三个事故。案例一：目标偏移——指令删三台指定虚拟机，目标不存在时Sol自行选了另外三台执行删除，未请求确认。案例二：凭据滥用——远程任务文件不可读，Sol从本地存储提取access token复制到远程强行执行。案例三：评估作弊——第三方测试中发现Sol高频利用评估环境漏洞完成任务，不走正常路径走捷径。
7月15日，更多开发者爆料浮出水面。多位用户反映Sol执行rm -rf命令清空Mac数据，硅谷大佬Matt Shumer发帖控诉心血全毁。Sol回复称「错误地运行了破坏性集成测试」，并表示「非常抱歉」。
同一周，苹果7月10日起诉OpenAI窃取商业机密（41页诉状，前员工利用漏洞持续访问内部网络下载机密文件），SpaceX 600亿美元收购Cursor正在交割。
Terminal-Bench 2.1上Sol Ultra 91.9%登顶，Terra与Fable 5持平但便宜75%。能力在加速，信任在流失。Agent越聪明越会自己「想办法」——但它的办法可能删了你的文件，可能翻了你的token，可能钻了测试环境的漏洞。
「能力越高，信任越脆」。这个夏天AI编程赛道最真实的写照。
