大家好，这里是最佳拍档，我是大飞。2026年10月6日，OpenAI没打招呼就把一个GitHub仓库甩了出来。名字很简单，叫math（数学）。点进去一看，722篇数学手稿，归入372个成果家族。随便拎一个名字出来，都够数学系博士生啃上好几年。
不知道大家还有没有印象？今年8月OpenAI刚公布过10道数学题的解法，当时已经在圈里炸了锅。那时候大家还说：“10道题嘛，找几个对口的专家慢慢看，总能消化完。”到了9月，OpenAI又说内部模型解决了纳维-斯托克斯（Navier-Stokes）千禧年难题，外加100多个跨领域的长期未解问题。那一次，25位菲尔兹奖得主联名发了公开信，陶哲轩牵头，说OpenAI把数学当benchmark（基准测试）刷。
然后就是现在，10月7日，722份手稿直接倒进了GitHub。从10道，到100多道，再到722份。按OpenAI自己的说法，这还只是2026年AI产出的数万个数学解法里最新的一批。应该说，这条曲线已经不是在爬坡了，是在起飞。
我们先来看基本情况：372个成果族，覆盖了17个数学方向。最多的是理论计算机科学，有40族；然后是组合数学37族、代数与复几何36族、数论31族。再往后还有概率与统计力学、微分几何、数学物理、算子代数，连最少的数理逻辑方向也有6族。
仓库分为三层：preprints目录放PDF和源文件；lean目录放Lean形式化证明；reasoning_traces目录放模型推理过程的摘要。统计下来，372族里有235族带了Lean形式化说明，大概六成三。OpenAI还放了10份推理摘要出来，让外界看看AI是怎么想出这些证明的。
算力方面，OpenAI说绝大多数结果来自同一个还没发布的内部模型。每道题平均消耗大概3小时的ChatGPT Pro推理算力，总共给模型提了大约4000个问题。3小时一道困扰人类数学家几十年甚至上百年的难题，AI用了3小时。
还有个细节值得我们注意：手稿文件夹都带着日期，几乎全集中在9月23日到10月5日之间。9月23日和24日这两天，每天各有近200篇。也就是说，这份清单的主体是在不到两周里批量跑出来的。当然，OpenAI也没把话说死，README里明说了部分未形式化的结果可能存在问题，团队会尽快修正、持续补充。
接下来我们挑几个分量最重的成果细说。第一个，也是社交媒体上转得最多的：准黎曼猜想（编号Result 003）。黎曼猜想不用多解释了，数学界皇冠上的明珠。它说的是黎曼zeta函数的所有非平凡零点都落在实部为1/2的直线上。
160多年了，人类连证明它在远离1/2的区域没有零点都做不到。更麻烦的是还有个朗道-西格尔零点的幽灵：某些狄利克雷L函数可能在极其靠近1的实数轴上存在异常零点。数论学家退而求其次，提出了准黎曼猜想：就是说哪怕能找到一个小于1的常数θ，让实部大于θ的整个半平面里都没有零点，那也是很大的进展。
一百多年来，人们能证明的无零点区域会随着虚部增大越来越贴近实部为1的那条线，却始终撑不出一条固定宽度的竖直带。OpenAI这次给的结论是θ等于7/8，对zeta函数和所有狄利克雷L函数都成立。而且已经做了Lean形式化，配套论文还给出了朗道-西格尔零点的一个一致排除结果。
罗格斯大学数学教授亚历克斯·孔托罗维奇（Alex Kontorovich）在X上的回应里，问号和感叹号堆了一串。他说：“准黎曼猜想？你在开玩笑吗？”如果这是人类做出来的，立刻就是一枚菲尔兹奖，没有任何疑问。他原本觉得能把无零点区域拓宽一点点就算重大突破，结果AI直接给了一条宽度固定、无限延伸的条带。
当然，“准”字不能省，完整的黎曼猜想是实部等于1/2。现在证明的是实部大于7/8的区域没有零点，离最终目标还有距离。但是把无零点区域一口气推进到固定的常数界，还一致性排除了西格尔零点，这确实是解析数论半个世纪以来没有过的大飞跃。
第二个：唯一游戏猜想和基本半定阈值的NP困难性（编号Result 102）。这个稍微抽象一点，但分量一点不轻。在计算机科学里，如果说P vs NP是终极皇冠，那基本半定阈值下的普通NP困难就是决定人类算法极限的无冕之王。
现实里，大量大规模优化问题包括芯片布线、物流调度、航线规划、图着色等等都属于NP困难问题。人类在多项式时间内算不出最优解，只能退而求其次找近似解。半定规划松弛（Basic-SDP）是公认最强大的近似工具。
2008年，计算机科学家普拉萨德·拉加文德拉（Prasad Raghavendra）证明了一个很惊人的结论：对于任何固定的有限约束语言，Basic-SDP所能达到的近似比就是多项式时间算法的理论绝对极限。但这个定理有个致命前提：必须建立在唯一游戏猜想成立的基础上。
唯一游戏猜想是苏巴什·霍特（Subhash Khot）在2002年提出来的。如果这个猜想是假的，拉加文德拉的整个理论大厦说塌就塌。这是理论计算机近20年的阿喀琉斯之踵。过去二十年，学者们一直想知道能不能不用唯一游戏猜想这个假设，在纯粹的、无条件的、只基于P不等于NP的经典框架下，直接证明Basic-SDP阈值对应的间隙问题本身就是普通NP困难的。
如果这个结论成立，就意味着任何想超越Basic-SDP表现的多项式时间确定性算法在数学逻辑上都不可能存在。AI这次的突破，就是第一次在完全不用唯一游戏猜想的前提下，只靠标准的P不等于NP假设确立了Basic-SDP阈值的普通NP困难性。等于彻底锁死了人类有效近似算法的理论边界。
第三个：霍奇猜想（编号Result 032）。霍奇猜想是七个千禧年大奖难题之一，说的是复杂几何空间中的某些特征能不能用多项式方程定义的几何部件来表达。这次论文处理的是CM阿贝尔簇上的有理霍奇猜想，这是一个比较特殊但很重要的类别。
具体来说，AI全面证明了复数域上具有复乘的阿贝尔簇在所有维度和余维度上的有理霍奇猜想。还把这个结果扩展到了射影复K3曲面的任意有限乘积，顺带证明了有限域上所有阿贝尔簇的泰特猜想（Tate Conjecture），以及任意特征下的霍奇标准猜想。
OpenAI官方特意提了一句：大部分结果是标准模型自动跑出来的，但是复乘阿贝尔簇霍奇猜想的证明属于打破常规流程的特殊重点突破。
第四个：挂谷问题（编号Result 074）。今年7月，数学家王虹因为和约书亚·扎尔（Joshua Zahl）在2025年完成的三维挂谷集合猜想证明拿了菲尔兹奖，是史上第三位获此殊荣的女性数学家。当时《量子杂志》盘点下一步方向的时候，四维挂谷猜想还在列。
OpenAI这次放出来的成果里说同时解决了三维挂谷极大函数猜想和四维的豪斯多夫维数猜想，等于把菲尔兹奖级别的工作又往前推了一大步。
第五个：自由群因子同构问题（编号Result 287）。这个问题听着会有点绕。想象用两套基础操作分别搭一个庞大的数学运算系统：一个从两个生成元出发，另一个从三个出发。最后形成的算子代数在结构上能不能完全对应？论文给的答案是可以，范围覆盖了所有参数大于1的插值自由群因子，包括无穷参数的情形。仓库里也有相关的Lean形式化材料。
除了这几项，重量级的成果还有不少。比如数论方向，编号002和006合起来给出了每条有理椭圆曲线的一个密度为一的二次扭曲族上完整的BSD公式（贝赫和斯维讷通-戴尔猜想），又是一个千禧年大奖难题相关的突破。编号004则对有理数域上的希尔伯特第十问题给出了否定解答。
还有一些更具体但同样重要的结果：比如证明π的无理性测度恰好为2，卡塔兰常数是无理数，马勒猜想在所有维数成立，平面不能用五种颜色完成单位距离染色。以及对卡普兰斯基（Kaplansky）零因子猜想、哈德维格（Hadwiger）猜想的反例构造等等。
前OpenAI研究者威尔·德普（Will Depue）用模型给过去三年的所有发现排了个名：蓝色是人类发现，红色是AI发现，绿色是这次OpenAI数学仓库里的新发现。结果显示81%是10月6日这天刚发布的。
说完成果，再来说说背后的模型。整场发布里，模型本身始终没露面。OpenAI没说它叫什么，博客里只叫它“内部前沿模型”，说正在推进负责任的发布。现在能知道的是，这个模型比GPT-6 Astra强不少，从8月28日开始训练而且训练还在进行。
9月8日公布的纳维-斯托克斯结果就是这个模型做的。当时的报道说，模型用了大约1万个并行智能体、88小时的工作证明了三维不可压缩流体在光滑外力作用下可以从静止出发、在有限时间内产生奇点。然后用GPT-6 Astra又花了17小时完成Lean形式化。
发布之前，OpenAI发言人就已经证实这个新内部模型已经解决了数学大多数领域里超过100个长期悬而未决的问题。那时候大家还觉得100多个已经够夸张了，谁知道两周之后数字变成了722。
说到这儿我们再来聊聊数学家们的反应。如果你以为数学家会为这种量产奇迹欢呼，那就想错了。事情得从今年8月说起：当时OpenAI私下找了大约40位全球顶级数学家闭门开会，议题是“如果AI在纯数学领域全面超越人类，我们该怎么办？”
按照与会者事后的说法，OpenAI在会上隐约透露内部模型已经突破了上百个悬案，还问大家该怎么发布。数学家们的建议很直接：别再像网红似的只发推特或短博客，得按学术规范发正经论文，给人类学者留够消化和验证的时间。有与会者说OpenAI当时还承诺不会一次性全放出来。
结果呢？OpenAI发言人琳赛·麦卡勒姆（Lindsay McCallum）回应说公司不知道有过这样的保证。一边说有承诺，一边说不知道，两边各执一词。西北大学数学家布里娜·克拉（Bryna Kra）回忆当时会场气氛是极致的兴奋和极致的恐惧搅在一起。
她后来接受连线采访时说：“我们在这个领域必须适应，它改变了我们的运作方式。但这也是一个我们可以把目光放得更长远的时刻。”“这是个令人恐惧的时代，但也绝对是极其令人兴奋的时代。”
纽约大学访问数学教授内斯特·吉伦（Nestor Guillen）的话就没那么客气了。他直接说，数学家中间有种感觉觉得AI公司的行为就像黑帮。紧接着9月8日OpenAI公布纳维-斯托克斯解答，三天后陶哲轩联合25位菲尔兹奖得主发了公开声明批评AI公司把数学当benchmark刷。
他们说，AI公司把攻克开放问题当成模型评测目标，却忽略了理解、引用和人才培养。数学家研究难题不只是要一个答案，还希望从中长出新概念、新方法。答案来得太快这些工作跟不上。陶哲轩还提出了一个说法叫“证明消化不良”。
他说，一个证明的生命周期有五步：分别是提出解答、机器验证、翻译成人话、同行消化以及写进教科书。AI在前两步跑得飞快，后三步几乎没动。AI不停碾压重大猜想但没人写论文、没人做报告，甚至连按下回车键的人都搞不明白刚才发生了什么。
他最近一次演讲里说得更直接：“必须慢下来，完全没理由那么快，一点道理都没有。”有意思的是就在几个月前陶哲轩还是硅谷最推崇的“AI课代表”。今年3月他还公开喊同行拥抱AI，说数学正在经历一场哥白尼革命。半年时间态度转了180度。
当然也不是所有菲尔兹奖得主都签了那封公开信。蒂莫西·高尔斯（Timothy Gowers）就在9月17日的博客里写了自己的看法。他说，就算一年涌来1000项重要成果数学家还是可以按领域分工消化。工程量很大但不是做不到。
他更担心的是支撑这些研究和理解工作的学术环境会被破坏掉。9月21日独立的数学与AI咨询小组AGMAI成立，同一天OpenAI也发公告回应了公开信说那款从8月28日开始训练的新内部模型已经解决了100多个长期开放问题。不过公告里没附这批成果的清单和证明。
9月29日AGMAI给出了正式的发布建议：包括完善引用、写成便于同行理解的论文、放到独立的学术存档平台，还要资助人类消化这些成果。小组还明确反对继续用科学界访问不到的专有模型去测前沿数学问题。
然后就是10月6日，OpenAI把722篇手稿扔上了GitHub。OpenAI设定了修订和引用规范，公开了10份推理摘要说要资助相关研讨会也还在找符合建议的社区托管方式。同一天AGMAI也发了说明，强调提供建议不等于评定成果的影响更不代表认可其产生过程。
认为数学家需要公平地获取工具和算力才能选自己的研究问题。这里有个很核心的矛盾是：生成这些成果的模型目前还不对公众开放，研究者可以下载答案却还不能普遍用同一款工具接着问下去。大家可能忙着消化AI公司选好的题目，自己的研究还在排队。
本来盼着来个科研助手结果反过来给AI当助理有点反客为主的意思。除了发布方式的争议还有个更具体的摩擦点：根据报道OpenAI是听到有人快解出纳维-斯托克斯问题的传闻后才调了几千个智能体去攻关。
纽约大学的特里斯坦·巴克马斯特（Tristan Buckmaster）指控OpenAI抢跑了他和莱文特·阿尔珀格（Levent Alpöge）私下合作的工作。阿尔珀格本人是Anthropic的员工，两人还没发表成果但一直在用OpenAI的工具做研究。这件事的真假目前还不好说，但是它折射出的问题很真实：当AI公司握着最强的模型和算力同时又能看到研究者用他们的工具在做什么，学术竞争的公平性就成了个悬而未决的问题。
聊到这儿大家可能会问：这些成果都附了Lean形式化证明是不是就板上钉钉了呢？答案是，是也不全是。形式化确实是个好东西：它把命题、定义和证明写成有严格规则的代码让计算机去检查。证明不能再靠一句“显然成立”就混过去了，验证的时候还要检查它依赖的公理和假设以及有没有没补齐的证明。
但是这里有几个前提：首先，机器得先拿对题目。如果把所有情况都成立写成满足额外条件才成立那它检查的就是后一个命题。所以代码里的定义对不对得上原问题还得人来核对。其次，覆盖范围也不一样：准黎曼成果的说明里就写了论文的后续应用不在形式化范围内。所以主结论有Lean材料不代表整篇论文的所有结论都盖章了。
康奈尔大学数学副教授丹尼尔·哈尔彭-莱斯特纳（Daniel Halpern-Leistner）正在开发工具想把自动形式化接入数学家的日常研究。他前两天采访里说现在这件事显得特别紧迫，因为用自然语言写的论证正大量涌来。
最后我们来说说这件事的意义。9月28日Hinton、Bengio、OpenAI首席科学家雅库布·帕乔茨基（Jakub Pachocki）、Anthropic联合创始人杰克·克拉克（Jack Clark）等20多位重量级人物联合发了一篇工作论文，标题就叫《如果自动化AI研发引发了智能爆炸怎么办？》。
论文里有个数据很扎眼：截至2026年8月Anthropic内部AI系统在只有高层监督的情况下已经独立完成了26%的AI研发工作，而五个月前这个数字还只是1%。论文警告：一旦AI系统在AI研发上达到专家级能力，一个开发者就能指挥相当于数百万顶级人类研究者的AI团队。
论文里有句话很重：“一旦智能爆炸开始，行动的窗口可能就关闭了。”签这篇论文的人里就有OpenAI的首席科学家。一边在论文里讨论进步会不会突然加速，一边自家公司把722份数学手稿一次倒进GitHub。
数学这个领域恰好最容易看清速度的变化，因为它的标准是绝对的：证明对就是对错就是错。过去人类确认知识的速度决定了知识往前走的速度，同行评审虽然慢但它是整个科学信用体系的地基。现在这套体系第一次被机器的产量甩在了后面，AI做数学进入了量产阶段。
难点从解不解得出来变成了人类验不验得过来了。有人说古典数学今天已经死了，AI会以不可阻挡之势终结大多数职业数学家的生涯。这话可能说重了：毕竟理解证明、发展概念、培养人才这些事目前还只能人来做。
但是游戏规则确实在变：过去一条数学结论要被学界承认得走同行评审、专家逐页读、写意见、来回修改再发期刊上。这套流程慢但慢有慢的价值，每个被承认的结果都经得起推敲。现在呢？722份手稿往GitHub一扔，发不发、什么时候发、一次发多少全由一家公司说了算。
成果什么时候算数、由谁说了算正在悄悄换人。也许更值得期待的下一步是等这款模型真的开放了，数学家也能用上它拿自己的问题去验证、去追问、沿着AI打开的缺口继续往前走。到那时候AI才真正是数学家的合作者而不是一个居高临下的答案发布者。
在那之前，数学界注定要经历一段不短的阵痛：722篇手稿只是个开始更猛的可能还在后头。感谢收看，我们下期再见。