这周的 GitHub 有点分裂。一个仓库在研究怎么让模型”少说废话”——34,045 星，把一次判断压到 33 毫秒；另一个仓库干脆把 719 篇 AI 写的数学论文摊在桌上，还老实交代其中只有约 42% 做了 Lean 形式化。两个项目放一起看，正好戳中 2026 年做 Agent 的两条命门：什么时候不该调大模型，以及调完之后谁来验。
一、laya：不做生成，反而更快
写 Agent 的人大概都干过这种事：为了判断一张工单是”退款”还是”物流”，调一次大模型，让它输出 JSON，然后正则解析、失败重试、再兜底。laya 的思路是把这一整段砍掉。
它是 encoder-only 的三套权重：laya（英文，约 421M）、laya-multilingual（mmBERT-base，322M）、laya-typed-decisions（微调版，约 421M）。输入一段文本加一个问题，输出不是文字，而是 typed decision：choice（选一个选项）、score（打分）、noul（是/否）。没有 decode 循环，也就没有 JSON 解析和格式幻觉。
数字来自它的 README 和 BENCHMARKS：T4 上单条 32.8–39.5 ms，10 条批量 72.3 ms，批量跑 20 张工单比逐条快 2.6 倍。Router 用纯 Python 做脚本和语言检测，耗时不到 0.5 ms，而且这一步完全不加载权重。
训练用的是 RLCD——拿严格适当评分规则（strictly proper scoring rules）做强化学习，所以输出概率是可校准的，能直接拿阈值当闸门。这个设计在工程上很值钱：你可以设一个 min_confidence，低了就让它弃权，把剩下的交给大模型，而不是让一个小模型硬猜。链路大概长这样：
接入方式给得很全：HTTP server、MCP server、LangChain/LangGraph、LlamaIndex、CrewAI、ONNX，另有 TypeScript 版。PyPI 上是 0.4.13，Hugging Face 上主模型 5.5 万次下载、5,792 个赞，不是刷出来的空壳。
二、openai/math：719 篇手稿，42% 能过 Lean
另一头是 OpenAI 直接开的仓库 openai/math，15,421 星，Apache-2.0，10 月 6 日建库。里面是内部未发布模型在开放数学问题上产出的手稿：719 篇，归成 372 个族，每题平均烧 3 小时 ChatGPT Pro 的思考算力，整个评估期一共喂了大约 4,000 道题。
README 里有两句话值得抄下来。一句是”现有数学评测饱和之后，我们扩大了评估范围”；另一句是”约 42% 的顶层结果完成了 Lean 形式化”。剩下 58% 没有机器验证，作者自己写明”部分未形式化的结果可能有问题”。
内容不是凑数的：包括 CM 阿贝尔簇上的霍奇猜想、黎曼 ζ 函数 Re(s) > 11/12 的无零点区域（这篇的写作经过人工润色）、自由群因子的同构、稀释自旋玻璃的 Mézard–Parisi 公式。另外放了 10 篇推理摘要，让人能看到模型是怎么绕路的。
三、实话
laya 的 33 毫秒有前提：权重已经在显存里、单条、T4。第一次跑要下 checkpoint，三个加起来约 2.3 GB，冷启动是秒级。更要紧的是 base 模型很弱——同一批 2,000 条 typed decision，base 英文权重只有 0.362，微调后才 0.766。它不是装完就灵的东西，得拿你自己的数据再训一轮。
多语也不是免费：英文权重 0.820，多语 0.710，README 自己算过，英文流量低于 62% 时用多语权重才划算。最刺眼的是高棉语——0.000 准确率配 0.952 置信度（原始温度）。也就是说，非拉丁脚本如果没被 Router 先分派，模型会非常自信地全错，置信度闸门救不了这种错，只能靠前面的语言检测挡住。
openai/math 则要摆正位置：它是手稿仓库，不是产品，也不是能复现的实验。3 小时/题的思考算力、未发布的内部模型，个人复现不了。42% 形式化意味着剩下的一半多还得靠人读，看到”AI 证明了霍奇猜想”这种标题，先确认范围是 CM 阿贝尔簇，不是整个猜想。
但两个项目指向同一件事：2026 年 Agent 的竞争，已经不在”能不能生成”，而在”什么该生成、什么该选择、结果谁来验”。上周写谷歌 Harness²时说的是同一件事——模型权重冻住，改的是外面的脚手架；context-mode 那篇讲的是把上下文砍掉 98%。laya 是这条线的极端版本：连生成都不要了。
如果你手上有一堆分类、路由、审核、打分的调用，值得花一个下午把 laya 接上去，用自己攒的 200 条数据对比一下准确率和账单。至于 openai/math，当一份”AI 现在能走到哪”的样本读就好，别急着当结论。
