OpenAI 今日凌晨披露下一代模型 Astra 的内部版本成果，在数学与理论计算机科学领域一次性取得 10 项新突破，涉及高维几何、编码理论、群论、量子复杂性、格密码学等方向。相关论证已整理为 249 页论文，全部通过 Lean 形式化验证，按 Sol API 费率计算总推理成本约 2000 美元。
这 10 项成果并非孤立的解题练习，而是横跨高维几何、群论、计算复杂性、量子信息、格密码与极值组合学的系统性突破。多数问题已开放 10 年以上，部分甚至超过 40 年。
注：以上 10 项成果按 OpenAI 公布顺序排列，覆盖数学与理论计算机科学 6 大方向。每项成果均附有 Lean 形式化验证证书，可独立复现。其中 5 项直接关联厄尔多什问题，3 项推翻或改进已有 20 年以上的核心猜想。
十项成果各具分量，但有三项尤其值得单独展开——它们分别展示了 AI 在数学研究中 三种不同的能力。
Astra 的这 10 项成果，不只是模型能力的展示，更揭示了一种正在成形的科研协作模式。
依赖人类直觉与灵感，单点突破需数年甚至数十年；跨领域协作成本高，验证周期长。
模型生成论证与构造，人类负责整理、验证与上下文判断；跨领域并行推进，成本极低。
OpenAI 在成果披露中特别强调：数学论证由 AI 系统生成，公司参与了论文整理与 Lean 形式化验证，并对结果的正确性负责。所有 10 项成果均已转化为 Lean 证书，可独立复现。
这不是 AI 第一次参与数学研究，但这是它第一次在如此多的方向上同时取得突破。
今年 5 月，OpenAI 曾公开由 AI 发现的厄尔多什单位距离猜想反例，该结果已推动多项后续研究。而此次 Astra 的 10 项成果，覆盖范围更广、问题难度更深、论证体系更完整。从发现问题到提出猜想，再到生成证明与形式化验证——AI 正在进入数学研究的完整链条。
这些成果令人印象深刻，但数学界的检验才刚刚开始。AI 生成的论证是否真正成立、能否被纳入既有知识体系、能否激发新的数学思想——这些都需要时间给出答案。
OpenAI 自己也承认，AI 在数学研究中的角色定位存在争议：如果一项证明完全由 AI 生成，它应该被如何署名？这不仅是技术问题，更是学术伦理问题。
AI 参与数学研究的真正价值，不在于一次性解决多少问题，而在于它正在改变"发现问题—提出猜想—证明验证"这一完整链条的节奏。但由 AI 生成的论证能否经得起时间的检验，并真正激发新的数学思想，仍需学界给出最终答案。
相关论文、Lean 形式化验证证书及模型解题思路说明已公开，可供数学界与研究者检验与复现。
查看论文全文 →