GPT-6 Astra 之后 OpenAI 又投重磅炸弹：722 篇手稿把数学界炸了个措手不及

GPT-6 Astra 之后 OpenAI 又投重磅炸弹：722 篇手稿把数学界炸了个措手不及

【免费下载链接】math 项目地址: https://gitcode.com/gh_mirrors/math58/math

北京时间 2026 年 9 月 4 日凌晨，OpenAI 发布了新一代旗舰模型 GPT-6 Astra，距 GPT-5 首次亮相约一年，距上一个重要更新 GPT-5.6 仅两个月。正当业界还在消化"AGI 时代到来"的宣告时，OpenAI 又投下了第二颗重磅炸弹：一次性公开了由内部模型产出的 700 余篇数学手稿，覆盖从数论、代数几何到算子代数的几乎所有纯数学分支——其中包括"准黎曼猜想"、Catalan 常数无理性和 CM 阿贝尔簇上的 Hodge 猜想等一批世纪名题的证明。数学界将其称为"广岛时刻"：既震撼于 AI 一夜之间改写了研究前沿的地图，又对这套未经完整同行评审的成果生产方式感到不安。本文将结合仓库源码与社区公开信息，还原事件始末，并拆解这批手稿的工程技术细节。

一个月的两次"核爆"：OpenAI 的时间线

把时间轴拉直，就能看清 OpenAI 这轮攻势的节奏：

• 2026 年 9 月 4 日：发布 GPT-6 Astra，官方将其定位为新一代旗舰模型，媒体普遍解读为"OpenAI 正式宣告 AGI 时代到来"。
• 2026 年 9 月下旬至 10 月初：OpenAI 陆续发布数学手稿的 PDF、源文件与目录；仓库中最早的预印本日期为 9 月 17 日，多数集中在 9 月 23 日至 10 月 7 日之间。
• 2026 年 10 月 7 日：仓库更新记录显示，OpenAI 同日完成了 3 篇论文的撤回（Weil 类代数性、K3 曲面 Kuga–Satake 对应、K3 曲面乘积上的有理 Hodge 猜想，因一处符号错误导致证明失效）、14 篇论文的修复以及 6 个新形式化证明的补充。

从"发模型"到"发论文"，间隔不足一个月。如果把 GPT-6 Astra 视为能力的宣言，这批手稿就是能力在"最难领域"上的验收报告——数学，尤其是那些悬而未决数十年的问题，是最难伪造的基准。

722 篇手稿发布始末：仓库里到底有什么

仓库 README 开门见山地写明了这批材料的性质：

This repository contains mathematical manuscripts and supporting proof artifacts produced by an internal OpenAI model.

媒体普遍以"722 篇"传播，而仓库目录（CONTENTS.md）当前标注的数字是 719 篇手稿、组织为 372 个结果族。每个"结果族"（family）把一篇主定理与配套论证、推论、替代证明聚合在一起，并按数学分支分类。README 同时给出了关键的产能数据：

On average, each result used three hours of ChatGPT Pro thinking compute with that model. Over the course of the evaluation, the model was posed approximately 4,000 problems.

约 4,000 道开放研究问题，平均每个结果消耗 3 小时 ChatGPT Pro 思考算力，最终收敛出 372 个结果族——这是一个高损耗的"筛选-聚合"流水线，产出率不足 10%，但绝对量依然惊人。

目录结构：一套完整的"论文工厂"产物

仓库布局清晰地反映了这套工作流的组织方式：

• README.md：总体说明、导航入口与产能数据；
• CONTENTS.md：719 篇手稿的清单，每篇附摘要，标题直链 PDF；
• preprints/：各手稿的 PDF、LaTeX 源文件与 BibTeX 引用信息；
• lean/：Lean 形式化证明库与验证配置；
• history.md：发布与修订历史（包括撤回与修复记录）；
• reasoning_traces/：10 个重点结果的"推理摘要"，公开了模型的部分思考过程。

重头戏：30 道名题与两枚"准千禧奖章"

社区文章《翻完 OpenAI 的 722 篇数学手稿，我们挑出了最重的 30 道名题》给出的判断并非夸张。仅从目录摘要中就能列出分量十足的一串：

• 准黎曼猜想（结果 003）：证明所有 Dirichlet L 函数（含黎曼 ζ 函数）在 $\Re s > 7/8$ 半平面无零点，并顺带排除了 Landau–Siegel 零点；另有替代证明将零点半平面改进到 $11/12$。这是媒体口中"准黎曼猜想已被证明"的直接出处。
• Hodge 猜想（CM 情形，结果 032）：证明所有复 CM 阿贝尔簇上的有理 Hodge 猜想，并经由 Milne 定理导出有限域上阿贝尔簇的 Tate 猜想与任意特征下阿贝尔簇的 Hodge 标准猜想。多家媒体据此报道"内部模型破解了千禧年难题的部分内容"。
• π 的无理性指数（结果 017）：证明 π 的无理性指数恰好为 2，并推出经典 Flint–Hills 级数 $\sum_{n\ge1}1/(n^3\sin^2 n)$ 收敛。
• Catalan 常数无理（结果 005）：证明 $G=\sum_{j\ge0}(-1)^j/(2j+1)^2$ 为无理数。
• BSD 公式与 Goldfeld 猜想（结果 002、006）：从低 Selmer 余秩推出完整的 Birch–Swinnerton-Dyer 首项公式，并证明每条 ℚ 上椭圆曲线的二次扭转中解析秩 0 与 1 各占密度 1/2。
• Hilbert 第十问题（ℚ 情形，结果 004）：给出否定答案——不存在判定整系数多项式是否有有理零点的算法。
• 模性猜想（结果 030）：所有虚二次域上的椭圆曲线都是模的。
• 经典数论名题群：高斯基摩尔猜想（028）、Artin 本原根猜想的无限性断言（029）、Erdős 短埃及分数猜想（025）、Ostmann 逆 Goldbach 猜想（013）、Erdős–Pomerance 联合 Dickman 猜想（012）、Jacobsthal 函数二次界（021）。

这还不是全部——结果 001 的 Milne 合理性猜想、008 的 Deligne–Drinfeld 猜想、019 的 p 进截线猜想、014 的几何 Langlands 等价、016 的阿贝尔 Zilber–Pink 猜想，横跨算术几何、Langlands 纲领、代数动力学等多个领域，构成了一个覆盖纯数学"主干道"的结果版图。

不是嘴硬，是机验：Lean 形式化与"可逐行验证"

麻省理工科技评论的标题点出了这批手稿最独特的一点："其中一部分可被计算机逐行验证"。这正是仓库中 lean/ 目录的使命：把关键定理翻译成 Lean 证明，让机器而非人类审稿人来做最终裁决。

仓库 README 的表述很克制，也很有信息量：

This collection includes results at different stages of verification. Not all have accompanying Lean formalizations. ... The repository has ~42% top-line results formalized.

当前状态是 300 / 719 项顶层结果已完成形式化，占比约 42%——超过四成的核心定理已经被机器验证过，这远高于任何一份人类论文所能达到的"可验证密度"。

Comparator：把定理当作 API 调用

lean/ComparatorChallenges/README.md 描述了配套验证工具 comparator 的用法：从 lean/ 目录执行 lake env comparator ComparatorChallenges/QuasiRiemannHypothesis.json 即可启动一次验证。每一个挑战文件都是一个"定理契约"，例如：

• lean/ComparatorChallenges/QuasiRiemannHypothesis.json 声明：目标定理为 OAI.riemannZeta_ne_zero_of_seven_eighths_lt_re，仅允许 propext、Quot.sound、Classical.choice 三个标准公理，且禁用了 Nanoda 检查。

对应挑战模块 lean/ComparatorChallenges/QuasiRiemannHypothesis.lean 中的声明简洁到令人窒息：

theorem riemannZeta_ne_zero_of_seven_eighths_lt_re
    {s : ℂ} (hs : (7 / 8 : ℝ) < s.re) : riemannZeta s ≠ 0 := by
  sorry

sorry 是留给解法端填充的"占位符"——真实证明位于 OAI.NumberTheory.DirichletL.Nonvanishing，comparator 会在 Lean 内核层面把两者对齐，任何一行非法的推理都会被内核拒绝。同一目录下还有 Catalan 常数无理性的挑战模块（lean/ComparatorChallenges/Catalan.lean）：

theorem catalan_irrational :
    Irrational (∑' j : ℕ, (-1 : ℝ) ^ j / ((2 * j + 1 : ℕ) : ℝ) ^ 2) := by
  sorry

3619 个 Lean 文件的"证明工程"

支撑这些挑战的是 lean/OAI.lean 下规模庞大的证明工程。仓库中的 Lean 代码按学科组织成 Algebra、AlgebraicGeometry、AlgebraicTopology、Analysis、Combinatorics、NumberTheory 等命名空间，目前共 3,619 个 .lean 文件。以算子代数方向为例，OAI.Analysis.FreeGroupFactor.Main、OAI.Analysis.Kaplansky.Main 等模块对应自由群因子同构猜想与 Kaplansky 直接有限性猜想的形式化；数论方向则由 DirichletL.Nonvanishing 支撑准黎曼猜想。这已经不再是"写论文顺带做点验证"，而是一套与论文生产并行的、覆盖各分支的证明基础设施。

值得注意的是，history.md 记录了这套机制的自我纠错能力：10 月 7 日，OpenAI 因一处符号错误撤回 3 篇论文并修复 14 篇。撤回而非掩盖、修订而非静默，这一流程反而印证了形式化验证与传统审稿互补的价值——AI 的产出同样需要人类+机器的双重审计。

连锁反应：数学界为何"既兴奋又愤怒"

"数学的广岛时刻"这个说法来自 OR 新媒体的报道，精准捕捉了社区的两极化情绪。

兴奋的理由是实质性的。 这 372 个结果族不是 benchmark 刷分，而是真问题、真证明：准黎曼猜想给出 $7/8$ 与 $11/12$ 两个独立证明路径；BSD 公式覆盖所有素数与所有约化类型；Hodge 猜想在 CM 情形落地并连带解决 Tate 猜想与 Hodge 标准猜想。42% 的顶层结果有机器验证，10 篇重点论文还附带了模型的推理轨迹摘要（reasoning_traces/ 目录）。对数学家而言，这意味着"AI 可以成为研究伙伴"从口号变成了可复现的工作流——3 小时思考算力换一个曾被人类搁置几十年的引理，成本结构被彻底改变。

愤怒与焦虑的理由同样真实。 一是产量与验证的不对称：58% 的顶层结果还没有形式化证明，README 也坦承"部分未形式化的结果可能存在问题"；数学界历来依赖的同行评审在此被压缩为"发布-撤回-修复"的迭代。二是方法论的黑箱：手稿提供了推理摘要，但完整思维链依然封闭，数学家无法像阅读人类论文那样"复现作者的思考"。三是就业与研究生态的冲击：当 3 小时算力即可逼近 4,000 道开放问题并收敛出可发表的证明，博士后与博士生的"选题-证明-发表"周期将面临结构性压缩。

从竞争格局看，这枚炸弹的落点不止在数学界。2024 年底以来，月之暗面 k0-math、DeepSeek R1 Lite、阿里 QwQ-32B-Preview 等开源推理模型先后在 MATH 等基准上逼近甚至超过 OpenAI o1 系列，o1 的复现路线（Continue pretrain + SFT + RL 强化 CoT、推理阶段超长 CoT 与 MCTS）已被社区总结成公开配方。OpenAI 的回应策略如今清晰可见：当推理基准被开源社区迅速追平，就转移战场到"不可刷分"的领域——开放数学研究问题。MathArena 式的竞赛题终将被刷穿，而 4,000 道真实未解问题、372 个结果族、42% 机器验证率构成的壁垒，是任何 benchmark 蒸馏都无法复制的。

结语：数学研究的生产函数正在重写

从 9 月 4 日的 GPT-6 Astra 到 10 月的 719 篇手稿，OpenAI 完成了一次漂亮的叙事闭环：模型能力 → 真实成果 → 机器验证 → 学术震动。仓库本身则展示了 AI 科研的完整形态——论文、源码、Lean 证明、推理轨迹、版本历史与撤回记录并存，构成一种前所未有的"可审计研究档案"。

数学界既兴奋又愤怒，恰恰因为它意识到自己正在见证生产函数的改变：当证明可以以每 3 小时一个的速度批量产出，当 42% 的定理可以被机器逐行验证，数学家们的角色正从"证明的生产者"转向"问题的提出者与证明的审阅者"。这场由 722 篇手稿引发的震动，或许才刚刚开始。

【免费下载链接】math 项目地址: https://gitcode.com/gh_mirrors/math58/math