2026年10月6日深夜，OpenAI把722篇数学手稿挂上了GitHub：一个尚未公开的内部模型被投喂约4000道题目，最终整理出372组成果，官方声称其中300多道是人类此前没能攻克的难题。 但发布不到24小时，仓库记录显示3篇被撤回、14篇被修订，起因只是一个符号错误。 所以“OpenAI攻克300多道未解数学题”的准确读法是：AI批量写出了看起来自洽的证明，而它们是否成立，绝大多数还没有人类确认。知乎36氪
“解决”有边界：碰到了著名难题，但没有终结猜想
这批成果里有与黎曼猜想、霍奇猜想等世界级数学难题有关的研究，但这不等于AI证明了这些著名猜想。 多数手稿是某个方向的局部结果，或建立在已有理论框架上的新构造，“触及前沿”和“解决问题”不是一回事。知乎
单位成本也不算天文数字：按OpenAI自己的估算，平均每组成果消耗大约相当于ChatGPT Pro运行3小时的算力。 更值得注意的是仓库说明里那句自我限定：部分未经形式化的结果「可能有问题」。知乎36氪
真正的瓶颈：AI做完了题，阅卷的还是AI
敢宣称“解决”，靠的是Lean定理证明器——它能把推理每一步交给机器逐行检查。可问题在于，这些手稿随附的Lean代码同样是AI自己写的，没有人类数学家参与。 机器只能保证逻辑链自洽，回答不了证明是否忠实于原命题、是否原创、是否有价值——这些恰恰是同行评审的职责。知乎
一位参与核查的数学家说得很直白：机器既没说这些论文错了，也没说它们对了，问题在于OpenAI把“对”和“说对”当成一回事来展示。 时间也不站在人类这边：菲尔兹奖得主已经下场核查AI声称解决的结果，工作量惊人；而早在这批手稿之前，同一系列模型宣布的纳维-斯托克斯千禧年难题“反例”，就已经让MIT教授读了几页只能承认“它是对的，但看不懂”。知乎36氪
数学界为何愤怒：几百个文件一次放出，是“展示权力”
最激烈的批评不指向结果，而指向发布方式。陶哲轩把这种局面称为「证明消化不良」——AI以工业化速度批量生产证明，但人类根本来不及验证、理解和吸收。 牛津大学数学家Ursula Martin在接受《自然》采访时给出的批评与此呼应：OpenAI把一大堆尚需整理的初稿扔给数学界，却指望数学家替它收拾残局。36氪知乎
矛盾早就摆上过台面。今年9月，陶哲轩联合24位同行发表公开声明，提前预警AI介入基础数学研究的巨大风险，基本被无视。 手稿发布后，他又转发了呼吁停止与OpenAI合作的倡议，其中流传最广的一句是：一次性发布超过700个文件，不是展示学术，是展示权力。36氪知乎
另一半真相：AI站在约9600位数学家的肩上
开源项目《巨人之肩》把这722篇稿件引用的文献逐条核对了一遍，结果是：跨越5个多世纪，共11,067部人类著作、约9,600位数学家，其中114位是菲尔兹奖、阿贝尔奖或沃尔夫奖得主。 细节很具体：丘成桐1976年证明卡拉比猜想的工作被10多篇稿件引用，四维挂谷猜想的结果则直接建立在王虹与Joshua Zahl 2025年的三维证明之上。“AI解决了某道题”只说了一半，另一半是：它把人类数学共同体写下的积累重新组合、重新计算。36氪
另一条路：DeepMind把成果交给同行评审
同一时间窗口里就有对照。谷歌DeepMind由Gemini驱动的AlphaProofNexus解决了9道埃尔德什开放问题，其中两道悬了整整56年。36氪
而且这一回没有直接甩手稿：成果走完同行评审登上《Science》，证明代码全部公开，卡内基梅隆和南卡罗来纳的两位数学家还在同期撰文确认，用于数学研究的AI已经到来。 两种发布方式的区别不在模型强弱，而在信任模型：一个先交出答案让社区验货，一个验完了再请社区收货。36氪
三个词要分开读：生成、验证、理解
截至10月15日，722篇手稿中的绝大多数仍处于“声称已解决、尚未被确认”的状态，撤回名单还可能继续变长。对普通读者，这件事最可靠的收获不是“AI超过了数学家”，而是答案的生成、验证与理解，正式变成了三件事：机器检查让“对不对”越来越便宜，“懂不懂”反而成了稀缺品。哪些结果最终会被写进数学的大厦，取决于接下来数月乃至数年人类核查的速度，而不是某一次上传的规模。
