OpenAI 没发 GPT-6，却用 AI 解决了 10 个困扰学界 10 年的数学难题

凌晨，OpenAI 干了一件挺有意思的事：没有发布会，没有 GPT-6 的名字，直接甩出一篇 249 页的数学论文，说这是他们的下一代模型 Astra 做的。

论文里是 10 个数学和理论计算机科学领域的问题，每一个都至少困扰了学界 10 年。高维球体堆积问题从 1978 年就没动过；非 sofic 群的构造问题，从 2000 年前后提出到现在，一直是群论里的核心难题。

Astra 把这些题都解了。按 OpenAI 的 SolAPI 费率算，解这些题消耗的 Token 成本大概 2000 美元，折合人民币 13500 块。

这 10 道题到底有多难

不堆数学术语，挑几个能理解的说说。

高维球体堆积

想象你在一个高维空间里往箱子里塞球，怎么塞能让密度最大。这个问题在三维空间里早就解决了，但一到高维就没人搞得定。Astra 给出了新的密度上界，把结果推进到了 Cohn-Elkies 阈值——这是 48 年来第一次有人在这个问题上取得实质性进展。

非 sofic 群构造

这个问题说的是，是不是所有可数群都是 sofic 群？数学家们猜了 20 多年，Astra 直接构造出了一个明确的非 sofic 群，把猜想推翻了。

Erdős 问题Paul Erdős 是 20 世纪最多产的数学家之一，他生前提出过一大堆开放问题。Astra 这次解决了他的第 146、180、183 号问题，这些都是几十年没人碰得动的硬骨头。

OpenAI 说，Astra 的内部版本在数学和理论计算机科学领域取得了十项重大进展，所解决的问题在过去至少十年内未有实质性突破。研究涵盖了高维几何、编码理论、算术电路复杂性、群论、量子复杂性、格密码学和极值组合学等多个方向。

人机协作的新模式

更值得关注的是整个工作流程。

OpenAI 披露的流程是这样的：Astra 先生成数学论证，然后人类研究人员用同一个模型把这些论证整理成 249 页的论文，最后模型再把每项论证转化成 Lean 形式化证明证书——这是一种能用数学验证系统检验的证明格式。

这种模式挺有意思的。它不是"AI 做研究，人类署名"，也不是"人类做研究，AI 打下手"，而是 AI 负责生成核心论证，人类负责组织和表达，最后再用 AI 做形式化验证。

OpenAI 在文章里专门谈了署名问题。他们认为，如果一项证明完全由 AI 系统生成，却将其署名为人类作者，会同时歪曲 AI 系统的贡献和人类原创工作的性质。所以他们选择以机构名义发布，对结果的正确性负责。

这其实捅破了一层窗户纸：当 AI 真的能独立完成某些专业工作时，我们该怎么定义"作者"这个概念？

Astra 是什么来头

The Information 独立确认，OpenAI 确实正在开发 Astra，这是一个专为长时运行工作负载设计的新模型家族。

Astra 的核心特性是支持 AI 智能体在更大问题的不同部分上进行协作。也就是说，它不是单个模型在解题，而是能协调多个智能体分工合作，共同攻克复杂度极高的学术难题。

关于最终命名，OpenAI 还没决定。可能叫 GPT-5.7，可能叫 GPT-6，也可能换个全新的名字。有分析说，Astra 的发布策略可能会参考 Anthropic 的做法：向普通消费者提供一个版本，而功能更强大的变体则需要经过特殊审批才能访问。

就在正式公布这些成果前一天，OpenAI CEO 山姆·阿尔特曼在美国华盛顿向政策制定者预览了 Astra，包括白宫官员、内阁成员和国会议员。这个动作本身就很说明问题——AI 科研能力的突破，已经不只是技术圈的事了。

对普通人意味着什么

你可能会问：这些数学难题跟我有什么关系？

短期看，确实没什么直接关系。你不会因为 Astra 解了几个数学题，明天就能用到什么新功能。

但长期看，这件事标志着一个转折点：AI 开始从"写文案的工具"变成"科研合作者"。

以前我们说 AI 强大，通常是说它能写文章、能画图、能写代码。这些都是"表达层"的能力。但解数学难题不一样，它需要推理、需要验证、需要在严格的逻辑框架里工作。这是"思考层"的能力。

当 AI 能在最严谨的数学领域做出人类做不到的事，它在其他专业领域的可信度也会跟着上升。药物研发、材料科学、气候建模——这些领域的问题虽然不像数学那么纯粹，但同样需要处理复杂的变量和长期的推理。

当然，也别过度解读。OpenAI 自己也说，这些成果仍有待数学界进一步检验和评价。Astra 能不能把这种能力稳定扩展到科学领域，还是个问号。

AI 科研的信任门槛

我觉得这件事最有意思的地方，不是 AI 能不能解题，而是学术界愿不愿意接受 AI 作为合著者。

数学可能是最纯粹的学科，证明对了就是对了，不管是谁（或什么）做出来的。但即便如此，OpenAI 还是选择以机构名义发布，而不是列一堆人类作者的名字。

这说明他们清楚：真正的门槛不在技术，在信任。

数学家们需要时间检验这些证明，需要理解 AI 是怎么想的，需要确认这不是某种统计巧合。这个过程可能会很慢，但必须发生。

对普通人来说，理解这一点很重要。我们不用懂那些数学题，但可以看懂一个趋势：AI 正在进入那些需要严格验证、长期推理、专业判断的领域。这不是替代谁的问题，而是重新定义"合作"的边界。

Astra 还没正式发布，可能也不会以我们熟悉的方式发布。但它已经展示了一种可能性：AI 不只是帮你写周报的工具，它可能是那个帮你发现新东西的伙伴。

至于数学家们接不接受，那是另一个故事了。您觉得呢？