OpenAI 的 AI 数学突破：最新结果意味着什么

2026 年 10 月 6 日，OpenAI 在 GitHub 上发布了 722 篇数学手稿。它们出自一款尚未发布的内部前沿模型，涵盖代数、数论、拓扑、理论计算机科学和数理逻辑，全部在数周内完成。这一规模前所未有，超出研究界此前对 AI 系统的认知。

要理解这为何不同于一次基准测试成绩，不妨拉远视角。就在几周前，同一模型声称解决了纳维-斯托克斯千禧难题；在此之前，Astra 在 8 月用一天时间横扫十个悬而未决数十年的公开问题。每一刻都引发了各自的疑问。但 10 月 6 日的发布在性质上不同，不仅是规模。OpenAI 将 722 篇手稿作为对数学研究文献的真实贡献来呈现——不是基准答卷，也不是竞赛解答。

自 8 月 Astra 发布以来，我一直在追踪 OpenAI 的数学推进。这次比之前的两次结果更需要谨慎拆解。下文我们将关注 AI 实际产出了什么、哪些结果最突出、验证在实践中如何进行，以及数学家们在担心什么。

OpenAI 的 AI 实际完成了什么？

OpenAI 将一款尚未发布的内部前沿模型指向开放的数学研究问题。该模型不仅是在竞赛测试中取得高分，而是产出了以手稿形式组织的数学论证，同时提交了 Lean 证明形式化以及对模型推理的摘要。

在 AMC 或 IMO 基准上拿高分说明 AI 能处理巧妙设计的竞赛题。产出声称解决活跃研究领域长期悬而未决问题的手稿，则是另一回事。这些输出被作为对数学知识的候选性贡献来呈现。它们能否经得住审查是另一个问题，答案需要时间。

OpenAI 发布了多少数学结果？

您会在报道中看到若干数字，它们并不矛盾，而是在计数不同的事物。

该仓库包含 722 篇手稿，组织为 372 个“结果家族”。一个家族将相关论文分组：主结果以及配套论证、替代证明或下游推论。因此 372 个家族对应 722 篇手稿，因为许多结果附带支撑材料。“数百个结果”的表述大致准确；372 是更精确的不同数学发现的计数。

README 提醒部分结果可能存在问题，OpenAI 表示将修复此类问题并持续补充 Lean 形式化。随着报道让这些数字听起来比实际更确定，请牢记这一保留。

OpenAI 的 AI 涉及了数学的哪些领域？

此次发布覆盖约 20 个数学分支。为便于技术背景但非数学专业的读者把握版图，下面做一个粗略导览：

• 代数与群论研究由运算及其对称性构成的数学结构。部分讨论度最高的结果出现在这里。
• 数论关注整数与素数的性质。编码素数分布的黎曼ζ函数在若干结果中出现。
• 拓扑学研究在连续变形下保持不变的性质。霍奇猜想（下文详述）处于拓扑与代数几何的交汇处。
• 理论计算机科学探问计算的基本问题：能计算什么、多高效、哪些问题抗拒高效算法。OpenAI 的模型仅在这一领域就产出了 80 多篇论文。
• 数理逻辑审视数学推理本身的形式基础。

有哪些最重大的结果？

这里需要格外谨慎。AI 生成的结果、Lean 检查通过的证明、人类数学家验证的证明，以及数学共同体独立认可为重大进展的结果之间，存在真实差别。此次发布混合了这四类。

尽管如此，一些结果确实引起了独立数学家的真切兴趣。

黎曼ζ函数：一个新的零点无区域

黎曼猜想仍未被解决。OpenAI 的模型并未解决它。据报道，其确立了一个新的零点无区域：证明在 Re(s) > 11/12 上不存在零点。这类部分性结果在解析数论中是有意义的，因为零点无区域会约束素数的分布。该稿件为提高可读性经过人工编辑，成为与其他手稿制作流程不同的显著特例。相关的“类黎曼”结果的独立复核通过了初步检视。

特征为 2 时的 Kaplansky 直接有限性猜想

Irving Kaplansky 数十年前猜想群环具有一种称为直接有限性的特定代数性质。特征为 2 的情形尤其顽固。据报道，该模型已解决。Lean 形式化列为可用。

自由群因子的同构性

这涉及冯诺依曼代数——泛函分析中编码量子系统某些对称性的结构。自由群因子是否都同构的问题已悬而未决数十年。该模型声称解决了 de la Harpe 和 Voiculescu 的一个猜想，证明属数 ≥ 2 的闭定向曲面基本群的冯诺依曼代数是自由群因子。独立复核通过。

矩阵乘法指数

较具实践意义的结果之一：该模型据称在复数域上确立了 ω ≤ 2.25，其中 ω 为矩阵乘法指数。它决定了计算机能以多高效率进行矩阵相乘，这对计算机科学中的各类算法有现实影响。对金融或工程背景的读者而言值得注意：矩阵乘法效率几乎支撑了所有大规模数值计算。

稀疏自旋玻璃的 Mézard–Parisi 公式

统计物理遇见概率论：涉及无序磁性系统的自由能。Mézard–Parisi 公式在稀疏情形下一直处于猜想状态，未被完全证明。

CM 阿贝尔簇的霍奇猜想

七大千禧难题之一的受限情形。霍奇猜想询问代数簇的某些拓扑特征是否总能以代数方式表示。据报道，模型在一个特定且结构化的类别——CM 阿贝尔簇上确立了该猜想。这不是完整的霍奇猜想（仍未解决），而是数学家一直努力推进的一个特例。该结果同样被标注为偏离标准制作流程的特例。

量子海森堡铁磁体的自发磁化结果，以及关于等差数列的拟多项式界，也引发了评估此次发布的研究者的兴趣，但全面的独立验证将耗费相当长的时间。

OpenAI 的 AI 是如何产出这些结果的？

与早些发布相比，OpenAI 公布了更多方法细节，尽管全貌仍不完整。

在评估期间，模型被提出了约 4,000 个问题。大多数结果来自一套固定流程，使用同一内部模型。有两个结果偏离了标准流程：黎曼ζ零点无区域的工作，以及 CM 阿贝尔簇的霍奇猜想。平均每个结果使用的算力大致相当于 ChatGPT Pro 思考三小时。这是一个有用的参照，但并不意味着每个问题都花了三小时。该数字描述的是每个结果的平均算力消耗，而非总耗时或失败尝试的成本。

作为对比，这一方法论显著比此前更为系统。Astra 在 8 月解决十个公开问题时，据称每个解答的推理成本约为 2,000 美元。在此之前，纳维-斯托克斯冲刺耗费了10,000 个并行代理运行 88 小时，估算总算力成本 2,250 万美元，这是一种蛮力路径，既产出结果，也引发了严峻的署名争议。10 月 6 日的发布更像一项持续的研究计划：更低的单结果算力、更广的覆盖、围绕结果家族的刻意结构化。

OpenAI 为 10 个结果发布了推理摘要，同时给出了算力估算以及对尝试问题的统计。数学与人工智能咨询小组呼吁更进一步，发布所有提示词与完整思维链。OpenAI 提供的内容与数学界期望看到的之间，仍存在差距。

OpenAI 的数学证明如何被验证？

验证或许是这件事最关键的部分。值得精确区分不同层次。

Lean 形式化

Lean 是一种编程语言与证明助理，允许将数学证明表达为计算机可机械检验的形式。若证明在 Lean 中检查通过，则在所述假设下逻辑步骤是形式正确的。722 篇手稿中的许多附有 Lean 形式化，但并非全部。

Lean 验证所确立的是形式正确性。它不能确立的是：形式陈述是否准确代表了预期的数学问题、结果是否真正新颖、或推理对于希望在其上继续构建的数学家是否具备意义。

人类的数学验证

这一步会放慢脚步。数学家仍需判断形式陈述是否实际捕捉到所声称针对的公开问题、证明技巧是否新颖、结果相对既有文献是否具有新意。复杂性理论家 Dana Moshkovitz 将这些手稿形容为“像是某个嗑药的人写的”，没有 AI 帮助也很难读，同时也承认其中有许多可学习之处。技术上的正确与难以解析的表述并存，给人类验证者带来实在的工作量。

同行评审与独立验证

在 GitHub 上发布并不等于同行评审。顾问委员会直言，此次发布代表着“人类理解并将该工作纳入数学知识过程的开始，而非完成”。跨越 20 个分支的 722 篇手稿，要实现全面的独立评估，将是一个以年计的工程。

形式正确性、数学理解、新颖性与科学重要性是彼此独立的问题。一篇通过 Lean 验证的证明可以满足第一点，而对其余各点仍未定论。

这些数学究竟有多少是由 AI 完成的？

没有一个干净利落的答案。

人类选择或构造了许多提交给模型的问题。既有数学文献提供了 AI 工作的智识语境。模型生成了数学论证。人类研究者帮助准备手稿，Lean 对证明进行形式化。所以“是谁做了这份数学？”覆盖的是一条贡献链，而非归于某一方。

一些数学家提出了更尖锐的担忧：模型有时可能是在补全现有的人类研究思路，而非独立发现一种全新方法。这在纳维-斯托克斯声明后尤为突出。数学家 Tristan Buckmaster 的相关方程的 AI 辅助工作在 OpenAI 公告前数小时发表，他对署名问题提出了严厉质疑。他声称自己一年的未发表工作有意无意间影响了 OpenAI 的冲刺方向；OpenAI 否认访问过任何私有提示或未发表研究。该争议仍未解决。同样的关切——AI 结果究竟建立在谁的智识基础之上——也适用于 10 月的发布，即便没有点名某一位研究者。

经济学家 Joshua Gans 提出了一个有用框架：数学发现有三个阶段。选择问题、解决问题、理解并应用结果。AI 可能会越来越多地自动化中间这一步。这并不抹平人机贡献的区分，但确实重分配了努力的着力点。

数学家为何担忧？

担忧并不一致。将数学共同体简单描述为抗拒 AI 并不准确。以下是最严肃的批评者真正关心的问题。

理解可能滞后于发现

当人类数学家给出证明时，这一过程通常会生成工具、直觉与洞见，成为数学文化的一部分。当模型给出一个正确但不透明的证明时，结果存在，却缺少周边的理解。Terence Tao 在纳维-斯托克斯公告之前就明确警告：将历史上富有产出的公开问题变成病毒式传播的基准时刻，其机会成本很高。他担心长期来看，积累“正确答案”却不理解其“如何与为何”为真，会伤害数学这一实践。这不只是审美问题。

数百个结果难以审阅

数学共同体的同行评审能力是有限的。当 AI 的研究产出速度快于共同体的评估能力，就会形成积压，扭曲数学知识的确立方式。一位批评者称此次发布“可疑地像 Gish Gallop”，用海量手稿“淹没战场”，让错误可能多年不被挑战。这一担忧有近例可循：Astra 在 8 月发布的十个问题，几个月后也尚未完全同行评审。其 72 倍的量级是完全不同的挑战。

现有的人类研究与署名

不少结果建立在特定学者的既有工作之上。如何体现这份智识债务，确实存在争议。纳维-斯托克斯事件让这一问题具象化：一位研究者花了一年在未发表工作上，可能影响了一次数百万美元的 AI 冲刺，却最终要面对关于其职业发展的质疑。顾问小组的建议中特别因此涉及引用程序。

专有模型造成不平等的获取

产出这些结果的模型并未公开。希望在这一能力水平上开展工作的学术数学家，手头并无与 OpenAI 内部团队同等的工具。顾问小组在 9 月 29 日的建议中明确要求 AI 实验室停止在学界无法获取的专有模型上测试高级数学问题。OpenAI 认可了这一建议，但未完全采纳。

数学研究可能集中于 AI 实验室内部

如果数学发现的前沿需要前沿算力与专有模型，那么关于哪些问题重要、哪些结果应该被传播的决策，可能会越来越多地由少数私营机构作出。这与数学的历史结构大不相同。

这些是数学共同体成员提出的担忧，而非既定结论，且并非所有数学家同等认同。

OpenAI 发布 AI 数学的新做法

OpenAI 已采取一些举措回应共同体的关切，但顾问小组认为还需更多。

此次发布在 GitHub 上以 Apache-2.0 许可发布，并附有修订流程。更正后仍保留先前版本。每篇手稿包含用于引用的 BibTeX 块。许多结果附有 Lean 形式化。OpenAI 为 10 个结果发布了推理摘要，并以 ChatGPT Pro 小时数形式给出算力估计。

OpenAI 在整个发布过程中咨询了高级研究院（IAS）的“数学与人工智能咨询小组”。该小组成员包括 Melanie Matchett Wood（哈佛）、Edward Witten（IAS）、Ravi Vakil（斯坦福）、Ulrike Tillmann（牛津）等，共 9 位知名数学家，独立运作且未从 OpenAI 领取报酬。

他们的立场是：这次发布是一个起点。Melanie Wood 将其描述为“人类理解过程的开始，而非完成”。小组呼吁 OpenAI 发布所有提示词与完整思维链，使用具有持久可引用标识符的学术存储库而非 GitHub，并通过不受 AI 实验室控制的机构来支持人类理解的发展。OpenAI 承诺将努力达成这些标准，但尚未全部实现。

AI 对数学家角色意味着什么？

更有趣的问题不在于 AI 是否取代数学家。至少目前没有，且很可能不会在最重要的方面。更有趣的是：当证明生成的成本大幅降低，数学工作的方式将如何变化。

回到“选择 → 解决 → 理解”这一框架：如果 AI 日益承担“解决”这一步，那么人类在两端的专长价值更高。决定哪些问题值得追求、提出好的猜想、解释结果意味着什么、将新发现与既有数学相连、在新语境中应用发现。这些阶段仍离不开人类判断。正如我在 8 月 Astra 结果的文章中所述，提出一个好问题并知道哪个值得攻克，正是 AI 尚无法复制的能力。这一点自那时以来更为重要。

数学家 Mehtaab Sawhney 在哥伦比亚大学工作后于 2026 年加入 OpenAI。他指出，随着 AI 加速发现，人类数学家的主要瓶颈正从“生成证明”转向“吸收并将 AI 生成的数学置于语境中”。

当证明生成变得更便宜时，稀缺性也会转移。稀缺资源可能不再是“证明能力”，而越来越是“选择要证明什么并理解其重要性的能力”。

结语

最好将 10 月 6 日的发布理解为全年不断加速轨迹中的最新一步。8 月，Astra 在一天内解决了十个数十年未决的问题。9 月，一次 88 小时、10,000 代理的冲刺产出了对纳维-斯托克斯千禧难题变体的一个经 Lean 验证但存在争议的主张，同时伴随一场未解的署名争议，暴露了 AI 与独立研究之间的真实张力。如今 10 月，同一前沿模型在数周内于 20 个分支产出了 722 篇手稿。

其中一些结果——黎曼ζ零点无区域、矩阵乘法界、自由群因子同构——已经引起熟悉这些领域的数学家的严肃关注。但手稿数量并非故事的核心。重要的是单个结果能否站得住、是否真正新颖，以及数学共同体能否消化它们。Lean 验证确立的是形式正确，而非数学理解。在 GitHub 上发布并非同行评审。对于 722 篇手稿，全面的独立评估将耗时数年。

该领域正面临一个前所未有的问题：不再是 AI 能否解决难题，而是当它能以快于人类评估速度的节奏产出数学研究时，会发生什么。如果证明生成变得足够廉价以至于“淹没”研究文献，那么稀缺资源将从“生成答案”转向“选择正确问题并理解其答案为何重要”。这改变了数学对数学家的要求，而不是让工作终结。