722 篇数学手稿、3 个千禧年难题：OpenAI 内部模型的“数学大跃进”，数学家却在呼吁抵制

先说结论

• OpenAI 在 GitHub 公开了 722 篇 AI 生成的数学手稿，覆盖 372 个开放问题家族，号称在黎曼猜想等多个千禧年难题方向上取得进展——这是 AI 史上最大规模的一次数学成果倾倒。
• 幕后是一个从未公开的内部前沿模型，OpenAI 官方称它"显著强于 GPT-6 Astra"（就是 9 月底因安全问题被搁置发布的那款）。
• 每篇成果背后约 4000 道题的评估、每题相当于 ChatGPT Pro 思考 3 小时的算力——科研级 AI 推理的成本尺度第一次被摆上台面。
• 但数学界炸了：菲尔兹奖得主联署声明、数学家协会呼吁抵制，3 篇论文上线一天就被撤回，只有约 42% 的证明经过 Lean 机器验证。
• 对模型用户来说，真正的看点不是"AI 证明了什么"，而是可验证性正在成为 AI 科研能力的唯一信任锚——以及 OpenAI 下一代模型的真实水位线。

一周到底发生了什么：一份时间线

这场风波不是一天爆发的。从 9 月初 OpenAI 宣称攻克千禧年难题，到 10 月初 722 篇手稿倾泻而出，再到数学家组织公开呼吁抵制，整整一个月，AI 与数学的关系被彻底改写。

722 篇手稿里到底有什么

先看硬数字（综合多家媒体报道交叉核对）：

• 722 篇手稿，归入 372 个"问题家族"：每个家族包含主要发现，外加推论、替代证明策略等配套论证。领域横跨代数、数论、理论计算机科学、数理逻辑、拓扑学。
• 约 4000 道数学题的评估规模：平均每项成果消耗的算力，相当于 ChatGPT Pro 连续"思考"约 3 小时。粗算一下：4000 × 3 小时 Pro 级推理——这是科研级模型评估第一次以"Pro 小时"为单位被公开讨论。
• 只有约 42% 的证明完成了 Lean 形式化：Lean 是一种能让计算机逐行验证证明的语言。OpenAI 承认未形式化的结果可能包含错误。另据报道，仅约 10 篇手稿附带了模型的推理过程摘要。
• 3 篇论文在上线一天内被撤回：OpenAI 的研究人员自己承认，发布时根本没读完所有论文。

具体宣称的进展包括 Unique Games 猜想、有理数域上的 Hilbert 第十问题、Hadwiger 猜想、Landau–Siegel 零点（与素数分布相关）、Penrose 不等式（黑洞质量与视界面积的关系）、Bose-Einstein 凝聚的数学解释、二维纠缠面积律，以及代数几何中的丰沛猜想。有报道称其中涉及三个尚未解决的千禧年难题方向，包括大名鼎鼎的黎曼猜想。

那个"内部模型"到底有多强

OpenAI 在文档中把生成这些成果的模型描述为**"显著强于 GPT-6 Astra"**，且训练仍在继续。这个细节值得玩味：

1. GPT-6 Astra 是什么：OpenAI 原计划 2026 年 10 月发布的下一代旗舰，9 月 28 日路透社报道称因内部安全评审未达标被搁置。也就是说，用户至今还没用上 Astra，而 OpenAI 已经拿出了一个"比 Astra 更强"的内部模型在内部跑数学。
2. 基准测试已经不够用了：公开推理榜单（如 LMArena）测试的是有标准答案的题目，而开放数学研究没有答案可对。OpenAI 这次等于宣布：前沿模型的竞技场正在从"刷榜"转向"做科研"。
3. 算力即门槛：4000 道题 × 3 小时 Pro 级思考，这种量级的评估只有顶级实验室玩得起。数学家协会的批评之一正是：先进 AI 与算力的不平等获取，正在加剧学术界的分化——大公司的研究者天然占优。

对订阅用户来说，这释放了一个信号：OpenAI 的模型管线里憋着比 Astra 更强的东西。当 Astra 最终（如果）发布时，它的推理能力上限可能远超我们现在的预期。

为什么数学家愤怒：信任危机比成果更大

成果规模越大，学术界的反弹越激烈。批评集中在四个层面：

第一，署名与优先权争议。 Navier-Stokes 声明前约 12 小时，Buckmaster 就公开了他与 Alpöge 的相关进展，并质疑自己的工作是否"启发"了 OpenAI 智能体的提示词。OpenAI 则称 9 月 1 日就已启动对所有千禧年难题的大规模攻关——时间线至今说不清。

第二，发布方式。 28 位菲尔兹奖得主 9 月 11 日的联署声明措辞严厉：AI 公司把未解难题当作 benchmark 来刷，却没有增进人类的理解。哈佛数学家 Michael Douglas 倒是持乐观态度，称这是"数学与数学物理新纪元开始的一天"——学界内部本身也是分裂的。

第三，可验证性赤字。 MIT 的 Andrew Sutherland 直言：在模型公开、可复现之前，任何"单智能体一次搞定难题"的说法都应视为未经证实。Terence Tao 的批评更扎心：这些问题是被"对更广阔领域毫无兴趣的 AI 提示者"解决的——解出来了，但没人能讲课、没人能回答追问。

第四，流程合规性质疑。 数学家协会指责 OpenAI 无视了 AGMAI 的建议（该建议第一条就是"停止在专有模型上测试前沿数学问题"），且发布规模本身更像"秀肌肉"而非学术贡献。OpenAI 则辩称已咨询该委员会并遵循了建议。

关键变量：Lean 形式化是唯一的"信任锚"

在这场争议里，有一个技术细节决定了整件事的含金量：Lean 形式化。

Lean 是一种定理证明语言，能把数学论证变成计算机可逐行验证的形式代码。没有形式化，AI 的数学断言就和普通大模型的"一本正经胡说八道"处于同一信任等级——接近于零。有形式化，至少"证明链条机器可查"。

OpenAI 这次约 42% 的形式化率，恰恰说明了现状：AI 生成证明的速度，已经超过了人类（和机器）验证的速度。这对所有想用 AI 做科研、做代码验证、做金融建模的用户都是一个提醒：

AI 输出的可信度 = 生成能力 × 可验证性
生成能力 ↑↑↑（722 篇手稿）
可验证性 →（42% Lean 覆盖，3 篇一日撤回）

以后评估一个"科研型 AI 模型"，先问它的输出能不能被机器独立验证，再问它解出了多少难题。这个公式同样适用于代码生成：能跑过测试的 AI 代码，和"看起来对"的 AI 代码，是两种完全不同的资产。

对 AI 模型用户意味着什么

1. 下一代模型的能力水位：内部模型显著强于未发布的 GPT-6 Astra，意味着 OpenAI 的推理上限还在快速抬升。等 Astra（或其继任者）真正发布时，"Pro 级思考 3 小时"这种量级的推理可能变成可购买的商品。
2. 科研助手进入"可验证"时代：如果你用 AI 辅助数学、物理、算法研究，从现在起要养成习惯——要求 AI 给出 Lean/机器可检的证明，或至少可执行的验证脚本。不可验证的 AI 结论，引用前请三思。
3. 成本视角：4000 题 × 3 Pro 小时的评估账单，暗示了前沿推理能力的真实成本。当这类能力产品化时，定价大概率向"按思考量计费"倾斜——订阅制"包月随便用"的终结（本站 10 月 6 日晚间文章已分析过 ChatGPT Pro 额度调整）正在被技术趋势印证。
4. 学术合作的摩擦：数学家协会的抵制呼吁短期内影响有限，但它标志着 AI 实验室与学术共同体的蜜月期结束。做 AI for Science 的团队，提前规划"人类可理解的成果交付"（推理摘要、可讲、可复现），会比单纯堆 benchmark 分数更重要。

一句话总结

OpenAI 用 722 篇手稿证明了 AI 已经能"做数学"，却还没证明它能"让人相信"——在形式化验证追上生成速度之前，最强的模型也只是最会出题的考生，而不是能发证的考官。

来源链接

• Wikipedia: OpenAI bulk release of mathematical papers — https://en.wikipedia.org/wiki/OpenAI_bulk_release_of_mathematical_papers
• tech-insider: OpenAI Releases 722 Math Manuscripts From Secret Model — https://tech-insider.org/openai-722-math-manuscripts-unreleased-model-2026/
• techjuice.pk: OpenAI Publishes Biggest AI Math Dump to Date — https://www.techjuice.pk/openai-722-math-manuscripts-frontier-model/
• madhyamamonline: ChatGPT solves 377 math problems; Mathematicians call for boycott — https://madhyamamonline.com/technology/chatgpt-solves-377-math-problems-mathematicians-call-for-boycott-1561931
• theoutpost.ai: OpenAI AI-Generated Math Proofs Face Scrutiny from Experts — https://theoutpost.ai/news-story/openai-releases-377-ai-generated-mathematical-results-tackles-unsolved-problems-31910/
• Reuters: Anthropic launches third Claude 5.5 model（价格交叉参考）— https://www.reuters.com/business/anthropic-launches-third-claude-55-model-expanding-ai-lineup-before-planned-ipo-2026-10-07/