8月1日，OpenAI扔出一份249页的PDF，声称AI攻克了10项数学未解难题。数学圈的回应，比想象中克制——先核验，再表态。

下一代模型Astra（内部版本）一口气拿下的领域横跨高维几何、编码理论、群论、算子代数、量子复杂性、格密码学、极值组合学九大分支。其中好几个问题超过十年没有核心进展，有些悬置了四五十年。

比成果更让人坐不住的是成本：按OpenAI自家Sol API的价格折算，模型找齐这十套解法的token消耗，约2000美元。平均一道题200美元——大约是一名研究生一个周末的津贴。

Astra还没开放，外界无法上手测试。但OpenAI做了件行业里罕见的动作：把全部证明用Lean 4形式化语言写成机器可核验的证书，和249页论文、62页推理说明一起公开在GitHub上。你不需要听OpenAI自说自话——论文、证明、推理过程全部摊开，任何人在本地重跑每条证明，定位到具体行。

这篇拆解回答四件事：这十道题难在哪，Astra是怎么做到的，Lean 4形式化验证为什么是这次发布真正的分水岭，以及——”破壁者”面前还立着哪些墙。

一、十题全景：一场跨学科的”降维打击”

先看完整清单。这些成果不是某一领域的一枝独秀，而是同时出现在互不搭界的数学分支里：

领域	结果	状态
高维几何	高维球体堆积密度上限	首次突破1978年以来的边界
编码理论	二进制码与球面码的界限提升	几十年无进展
群论	构造首个无限有限呈现的非sofic群	终结Gromov 1999年猜想，反例
算子代数	推翻Connes刚性猜想	反例
算术电路复杂性	新的计算复杂性下界	核心问题
量子复杂性	量子平行重复定理	量子信息核心
格密码学	最近向量问题（CVP）多项式因子近似难度	与后量子密码直接相关
数论/组合	Ehrhart体积猜想	悬置多年
极值组合	多色拉姆齐数的超指数下界	突破
极值组合	极值数猜想	埃尔德什遗留经典问题

用Epoch AI的OpenMath评级标准看，大部分结果都够得上”Major Advance”（重大进步）；唯独第三项——非sofic群——被单独评为”突破”，被认为是全年数学领域最佳成果的有力候选。有意思的是，这个评级本身也是AI打的——由GPT-5.6 Sol Pro和Claude Fable 5 Max来评，参考价值得先打个折。

数学家的反应则直接得多。罗格斯大学教授、美国数学学会Fellow Alex Kontorovich只发了两个感叹号。Anthropic的Claude Fable 5更直白：按菲尔兹奖标准，其中任何一项都够获奖。

二、三大重头戏拆解

2.1 斩断世纪执念：史上第一个非sofic群

1999年，阿贝尔奖得主、俄罗斯数学家Mikhail Gromov提出sofic群概念。Sofic来自希伯来语，意思是”有限”。

通俗地讲：一个无限大的复杂群，如果它的局部乘法表能被有限的置换结构无限逼近、模拟，它就是sofic的。打个比方——无论多复杂的无限三维模型，理论上都能用有限分辨率的像素点渲染出来，只是精度问题。那么问题来了：所有可数群，都是sofic群吗？

这绝不是冷僻的技术细节。sofic群的性质牵连着sofic熵理论、动力系统的遍历论、算子代数一整片数学版图。如果答案是”否”，就说明存在某种根本不可能被有限结构逼近的群，整个理论框架都要重新审视。27年里，无数顶尖数学家尝试构造反例，全部失败。

Astra的做法出人意料。它没有从零开始发明，而是直接从数学的”代码库”里拎出一个现成结构——二元Leavitt代数的单位群——然后证明：这个群绝不可能被有限置换逼近。

为了逼出这个结论，模型把Kun-Thom扩展图理论和著名的汤普森群V（Thompson’s group V）硬糅在一起，构造出一个逻辑矛盾。完整构造、论证、细节全在。数学家Elliot Glazer第一时间确认消息属实，称这是”迄今最重要的AI辅助数学成果”。曼彻斯特大学的Thomas Bloom说得更重：这次突破比此前OpenAI证伪单位距离猜想更重要。

2.2 击碎46年冰封：高维球体堆积

想象一个纸箱，怎么塞下最多的橘子。三维世界人类折腾了几百年才靠开普勒猜想弄明白，而到了高维空间，这问题变成梦魇。

2022年，数学家Maryna Viazovska解出8维和24维的球体堆积问题，拿下菲尔兹奖。但她解的是”特定维度”。当维度趋于无穷，密度上限到底是多少？1978年两位苏联数学家给出一个极限之后，整整46年，全世界最顶尖的数学家寸步难行，连小数点后几位都优化不动。

Astra走进了这个死胡同。它不仅给出全新证明，还精确算出了Cohn-Elkies线性规划的指数衰减率，首次突破了1978年的边界。Cohn-Elkies线性规划是球体堆积上界估计的核心工具——此前所有尝试都卡在同一个地方：算不准它的指数衰减率。

2.3 推翻菲尔兹奖得主的直觉：Connes刚性猜想

1982年菲尔兹奖得主、非交换几何奠基人Alain Connes提出”刚性猜想”：对于某类极其特殊的群，它们生成的冯·诺依曼代数（von Neumann algebra）像指纹一样独一无二——群决定了代数，代数反过来唯一标识群。

几十年来数学家在这个迷宫里打转。Astra不仅证明Connes错了，还用一种极致碾压的方式：它没有只找出一个反例，而是直接构造出一个可数无限的群家族——这些群彼此互不同构（长得完全不一样），但它们生成的冯·诺依曼代数却完全一模一样。

这就好比Connes断言世上没有两片相同的雪花，AI不仅找到两片，反手直接下了一场暴风雪：每一片外观各异，内部原子结构却全等。

除了这三道，清单里还有利用条件概率攻克量子纠缠游戏（正是表格里量子平行重复定理的兄弟问题）、用多项式求导建立计算复杂性下界这类成果。OpenAI这次连完整推演过程都公开了——62页reasoning walkthroughs，这在AI行业几乎没见过。

三、Lean 4：让”AI证明”从口号变成可核验的事实

过去一年AI做数学的新闻不少，但每次都绕不开同一个质疑：你怎么知道它不是胡编的？

数学有个特点，证明要么对要么错，没有模糊地带。但前提是——得有人看得懂、逐行去查。一个人类数学家的证明，同行审稿常常要数月甚至数年。AI产出的证明体量更大、更反直觉，人工核验的成本只会更高。

Astra这次给出的是另一套答案：Lean 4形式化证明。

Lean是数学界正在普及的形式化证明语言，让机器可以机械地检查每一步推理是否合法。OpenAI在GitHub上公开了全部证明文件：

• 主要证明的sorry_count为0（没有任何”此处略去证明”的偷懒占位）
• 只使用了propext（命题外延性）、Classical.choice（经典选择公理）和Quot.sound（商类型）三类公理
• Comparator目录里的sorry是留给外部核验者的题面空缺，不在正式证明文件中

配置对应版本的Lean、mathlib和Comparator后，任何研究者都能在本地重跑这些证明，检查三件事：解答是否证明了同一形式化命题、有没有引入清单之外的公理、推导能否被Lean内核接受。

这意味着”AI证明了X”从一句口号，变成了一条可以被任何人在机器上独立验证的链条。之前OpenAI做单位距离猜想反例，数学界还需要数学家逐字复核；这次，核验工作前移到机器层面，审查起点被大幅提前。

这里有个细节很容易被忽略：几乎同时，新晋菲尔兹奖得主Jacob Tsimerman宣布从多伦多大学休假，加入OpenAI做AI安全研究，方向正是用数学的形式化语言和方法去理解、评估模型行为。OpenAI内部，验证正在同时进入两件事——模型的产出（数学证明）和模型本身（行为评估）。

四、2000美元的账：从”昂贵的天才”到”便宜的研究生”

2000美元这个数字，得说清楚它算什么、不算什么。

它只算了模型寻找解法消耗的token，按Sol API价格折算。模型训练、选题、数学家参与、基础设施这些成本一概没算。OpenAI还补了一句：把这些证明写成Lean形式化文件，前后花了一周。

但即使这样，这账也够惊人了。2000美元解决10个悬置十年以上的难题，平均每题200美元。往前翻三个月：5月，OpenAI公开过一个未发布模型对埃尔德什单位距离猜想的反例，被数学界广泛引用。当时大家都以为是特例，现在确认，那正是Astra干的。

Noam Brown（OpenAI推理模型的核心缔造者之一）放了一句话：OpenAI确实尝试过其他难题，目前还没能解决类似黎曼猜想这样的千禧年大奖难题。但测试时计算远未封顶——言下之意，百万美元级别的世界难题也可能被啃下来。

而且OpenAI自己强调：这10个猜想是精选之后的结果，是评测一个未发布模型时的意外副产品。Astra本身也不是单点模型，而是一个模型家族——多个AI代理长时间协同运作、分工协作，把一个大问题拆开各自推进再汇总，这也是它此前向华盛顿监管层演示的核心能力。

五、冷静的部分：破壁者面前还有墙

文章写到这里容易上头，但有几堵墙得说清楚。

第一，Lean-checked不等于数学界接受。机器能检查证明”形式合法”，不等于这些结果在数学上是”正确且重要”的。249页论文目前没有任何独立审稿结论——OpenAI在论文里致谢了几位咨询过的专家，但致谢不是背书。Lean核验把审查起点前移了，但审查本身还没完成。这些强结果（非sofic、Connes刚性、量子平行重复、突破1978年边界）一旦坐实都是重大成果；但只要专家在某一个环节挑出漏洞，前面的”突破”就全部归零。

第二，报告偏差。陶哲轩早说过，AI做数学最大的统计偏差来自负面结果几乎不披露——某工具试了100道题只有1道成功，你只看到那1道。开源社区在系统记录前沿模型在埃尔德什问题库上的表现，真实成功率大约1%-2%。这个比例意味着绝对数量可观，但反过来，98%以上的尝试都失败了，只是失败不上新闻。

第三，人类把关人仍然不可缺。目前所有公开的成功案例里，都站着凸优化权威Bubeck、菲尔兹奖得主Gowers和陶哲轩这类专家在核验。去掉这层过滤器，AI的产出还是良莠不齐的——BrokenArXiv基准显示，即使最强模型面对有缺陷的数学问题时，正确指出的成功率也不到40%。Astra这次用Lean自证，算是在往”自我把关”方向迈了一步，但离”完全自主的数学研究”还有距离。

第四，10道题是精选样本。它证明的是”AI在特定问题集上很能打”，不是”AI随便遇到开放问题就能解”。精选+成功才公布，这两层筛选叠加，外推到整体能力时要格外小心。

六、数学，还是人类心智的荣耀吗

辛顿的预言是：未来10到20年，AI可能创造出人类无法理解的新数学。Astra这次的表现让这个时间表看起来都保守了。

但回到实际，我更在意另一个更现实的变化：数学研究本身的工作方式在被重写。

审稿这一环已经被动了。形式化证明把”同行花数月核验”压缩成”机器几分钟检查+专家抽查”，审稿人的角色从”逐行验证”变成”评估重要性与发现深层漏洞”。数学博士的培养目标可能也要变——从”独立证明新定理”转向”与AI协作并理解其输出”，Gowers已经在公开讨论这种可能。

至于”AI是不是比人类最好的数学家聪明”——这个问题现在没有答案，问法本身也粗糙。Astra强在工具组合与形式化验证，人类数学家强在提出问题、判断重要性和概念创新。目前所有十题都源于人类提出、且已知有价值的问题，模型还没有自己提出过一个值得研究的新问题。

但它确实做到了一件从未有人做过的事：一天之内，在九个领域，给出十项悬置已久的突破，附带机器可独立核验的完整证明链，总成本2000美元。

数学家给AI当”把关人”的日子，可能不会太长了。但”AI是否已经真正理解数学”这堵墙，破壁者还没撞上。

这事儿你怎么看？欢迎留言聊聊。