Meta悄悄放出了Eureka：一个能在思考中重塑自己大脑的元架构，黎曼猜想直逼99.55%

Meta悄悄放出了Eureka：一个能在思考中重塑自己大脑的元架构，黎曼猜想直逼99.55%

过去这一周，AI圈的聚光灯都被OpenAI和Anthropic抢走了。GPT-6 Astra的发布、FME考试、费马大定理——似乎每一个头条都写着”闭源巨头”的名字。

但今天，Meta悄无声息地放出了一枚真正意义上的架构核弹。

这个叫做 Eureka 的”元代理架构”（Meta-Agent Architecture），本质上解决的是当前整个AI行业最致命的工程瓶颈：为什么Agent的大脑结构必须是固定的？

它在黎曼猜想上攻到了理论第一道门槛的 99.55%。它在量子引力等理论物理领域，自动”生长”出了五项新的结构性物理发现。

但比这些数字更值得坐直了看的，是这个系统的工作方式——它不是在跑预设的流水线，它在执行过程中不断重塑自己的大脑结构。

这不是”换一个更好的模型”，这是”在运行时给自己盖新楼层”。

—

黎曼猜想99.55%意味着什么？

先聊那个最显眼的结果。

Eureka 在黎曼猜想相关的研究中，将临界线上零点比例的理论边界推到了第一道门槛的 99.55%。

黎曼猜想说的是：黎曼 zeta 函数的非平凡零点全部位于实部为 1/2 的临界线上。它被克雷数学研究所列为七大千禧年难题之一，悬赏 100 万美元。

1973 年，Montgomery 在假设黎曼猜想成立的前提下，证明约 2/3 的零点位于临界线上。之后几十年，Goldston、Baluyot 等人不断推进，试图在不依赖黎曼猜想的前提下达成这个数字。

Claude 在 2026 年 7 月将这一比例推到了 67.25%。而现在，Eureka 在此基础上将理论边界推进到了 99.55%——也就是说，在这一套论证框架的严密数学推导下，临界线上的零点比例已经逼近了 100% 的理论极限。

当然，这还不是对黎曼猜想本身的最终证明。 这更类似于在一条已被部分打开的证明路径上，逼近了那条路径的理论尽头。是否真能跨过那条线，还需要进一步的数学工作。

但把 67.25% 推到 99.55%——从2/3到几乎全部。这个跨越的工程，是 Eureka 作为”动态元架构”完成的。

Eureka的底层逻辑：从固定建筑师到动态自组装

Eureka 的架构理念，击中的是当前 Agent 系统最根深蒂固的局限。

当前所有主流Agent——无论单智能体还是多智能体——都有一个共同点：它们的大脑结构是提前设计好的。

记忆怎么索引、工具怎么调用、Agent间怎么通信、验证逻辑怎么写——所有这些在执行之前就已经定死了。这就像建了一栋楼的毛坯房，这套格局好不好用，你已经没法改了。

Eureka 做的事，等于是给你一套能在施工过程中不断重新设计楼层布局的活系统。

它的核心机制是三层逻辑：

第一层：动态义务图 + 延迟规划

Eureka 接到一个复杂任务后，并不急着写出一个完美的大计划。它先把任务拆成一个”义务图”——已知的要保证完成，但不知道的部分先空着。随着执行推进，不确定性逐步释放，新需求被发现，义务图动态更新。

第二层：检测”架构热点”→ 编译”宏代理”

这是最硬核的一步。Eureka 在执行中会持续监控：有没有哪部分任务正在变成瓶颈？比如一个复杂子问题需要反复访问相同的状态、调用相同的工具、保持紧密的内部协作——当它检测到这样的”架构热点”时，它不会简单地”加几行 Prompt”，而是干一件完全不同的事：

它编译出一个全新的、专用的小代理——宏代理（Macro-Agent）。

这个宏代理拥有自己专属的记忆结构、工具集、验证标准和内部工作流。它相当于主系统在运行时”长”出来的一个智能器官，专门处理那一类瓶颈问题。主系统只需要等它交出最终的可验证结果。

第三层：受控自我演化

宏代理也不是一成不变的。当它反复遇到同类瓶颈时，Eureka 会像一个精打细算的经理：先衡量改造收益是否大于成本，确定了才动手升级宏代理的内部结构。

这种”三思而后行”的受控进化策略，让它在运行成本最低的前提下取得了最高的任务成功率。

为什么这一步比”换一个更强的基座模型”更重要

行业内有一个越来越清晰的共识：基座模型的能力在快速趋同。GPT-6 Astra 和 Claude Fable 几周内的互有胜负就是明证。当基座模型的能力不再构成长期壁垒时，Agent 的系统架构——特别是它能否在运行时动态适应任务结构——将成为真正决定性的差异化要素。

Eureka 展示的路径是：AI 的能力上限不应只取决于模型的”脑容量”，更取决于它能否根据任务的认知结构，持续动态地塑造自己的”大脑”。

一个固定架构的 Agent，哪怕基座模型再强，在跨越不同认知类型、不同时间尺度、不同专业分工的复杂科学任务时，必然面临架构错配和规划失效。Eureka 的”动态编译宏代理”机制，本质上就是给 Agent 装上了一套自适应的业务操作系统。

结语：别只盯着模型参数了

Meta 放出 Eureka 的时间点意味深长。

在 GPT-6 和费马大定理的风暴中心，它选择低调丢出这篇极具想象力的架构论文。和 Muse Spark 1.3 的”数据换折扣”不同，Eureka 是纯技术路线上的牌——它不依赖更大参数、不依赖更多数据，靠的是改变 Agent 在运行时与认知任务的关系。

当其他公司还在比谁的模型更大、谁的价格更低时，Meta 在说：让你们看看 Agent 在思考中重塑自己大脑的样子。

99.55% 的黎曼边界或许最终不能发展为完整的证明。但 Eureka 展示的”动态宏代理”思路——Agent 在执行过程中为自己生成大脑——可能是比一百个 Benchmark 突破更值得跟踪的方向。