刚刚，OpenAI公开722个数学发现！霍奇猜想、黎曼zeta函数等手稿挤爆GitHub
新智元报道
就在刚刚，OpenAI在推特上官宣：我们正在发布由内部前沿模型产生的一系列全新数学成果。
点进去一看——722份手稿，372个问题家族，涵盖乘法函数、π的无理性指数、马勒猜想、黎曼zeta函数零点区域、海森堡铁磁体的自发磁化、自由群因子同构……
每一个名字拎出来，都够数学系博士生啃上好几年。现在，它们整整齐齐地码在一个GitHub仓库里，像超市货架上的罐头一样，任人取用。
X博主@kimmonismus转发时只留了一句话：「Literally intelligence explosion」。字面意义上的，智能爆炸。
今年8月，OpenAI在GitHub上公开了10道未解数学问题的解法，仓库叫openai/ten-proofs，每道题都附了Lean 4形式化证明和一份249页的手稿。
那时候，数学界虽然炸了锅，但好歹还能一道一道拆着看。10道题，找几个对口的专家，花上一阵子，总能看完。
到了9月，OpenAI更进一步，宣布内部模型已经解决了Navier-Stokes千年难题，外加100多个跨领域的长期未解问题。
这直接引爆了整个数学界，25位菲尔兹奖得主联名发表公开信，陶哲轩亲自牵头，炮轰OpenAI把数学当benchmark刷。
从10道，到100多道，到722份，再到按OpenAI的说法，这只是2026年AI产出的数万个数学解法里「最新的一批」。
这次，722份手稿，归入372个问题家族。所谓「家族」，就是把一个核心结果和它的衍生论证、推论、替代证明打包在一起。
仓库结构分三层：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。
OpenAI表示，绝大多数结果来自同一个未发布的内部模型，每道题平均消耗3小时的ChatGPT Pro推理算力，总共对模型提出了大约4000个问题。
值得注意的是，OpenAI在README里留了一句大实话——「部分未形式化的结果可能存在问题」。换句话说，722份里头有多少是真金白银、有多少还要打问号，OpenAI自己也没全摸清楚。
数学家们先坐不住了
事情要追到今年8月。OpenAI当时召集了大约40位数学家开会，议题是：AI的数学能力正在超越人类，接下来怎么办。
据与会者事后的说法，OpenAI在会上暗示模型已经解决了数百个长期未解的问题，还给出过保证不会一次全部放出来。
结果呢？OpenAI发言人Lindsay McCallum回应说，公司「不知道」有过这样的保证。
10月6日，WIRED以一个毫不客气的标题捅破了窗户纸——《OpenAI Is Pissing Off a Bunch of Mathematicians—Again》，「OpenAI又把一群数学家惹毛了」，末尾那个「Again」格外扎眼。
报道里，纽约大学访问数学教授Nestor Guillen直接说：数学家中间有一种感觉，觉得AI公司的行为就像「黑帮」。
西北大学数学家Bryna Kra更直白：他们当初建议OpenAI别在博客或推文里发数学成果，要走正式论文，结果这些建议「显然被忽略了」。
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，再发表在期刊上。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、何时发、一次发多少，全由一家公司拍板。
几个月前，他还是硅谷最推崇的「AI课代表」，今年3月公开喊话同行拥抱AI，说数学正在经历一场哥白尼革命。
陶哲轩抛出一个概念—— Proof Indigestion，证明消化不良 。他的意思是：一个证明的生命周期有五步：提出解答、机器验证、翻译成人话、同行消化、写进教科书。AI在前两步狂飙，后三步进展几乎为零。
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刚发生了什么。
9月，陶哲轩联合25位菲尔兹奖得主发表公开声明，炮轰AI公司把数学当benchmark刷。他在最近一次演讲中更是直接开火：
9月28日，Hinton、Bengio、OpenAI首席科学家Jakub Pachocki、Anthropic联合创始人Jack Clark等20多位重量级人物联合发表了一篇工作论文，标题就叫《如果自动化AI研发引发了智能爆炸怎么办？》。
论文里的核心数据触目惊心：截至2026年8月，Anthropic公司内部AI系统在仅有高层监督的情况下已独立完成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。
签署这篇论文的人里，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，恰好是最容易看清速度变化的领域。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。
AI做数学进入了「量产」阶段。难处从「解不解得出来」变成了「人类验不验得过来」。
https://x.com/OpenAI/status/2107596713791767021
https://x.com/kimmonismus/status/2107570370937303356