GPT-5.4 Pro解出1道30年未决数学题

2025年6月，一道困扰组合数学界30年的开放性问题，被GPT-5.4 Pro在单次对话中解决了。

不是近似答案，不是启发思路，是完整证明。问题贡献者、北卡罗来纳大学夏洛特分校数学家Will Brian确认了解法的正确性，并计划将其正式发表。更微妙的是：Brian承认，他"之前想过AI的方法可能可行，但觉得很难实现"——结果AI自己把这条路走通了。

一道什么样的题，让人类和AI都卡了这么久

这个问题属于拉姆齐理论（Ramsey Theory）的一个分支，研究的是超图（Hypergraph）中的划分结构。简单说，数学家想知道：给定一个"没有孤立点"的超图，最多能有多少个顶点，同时保证不存在某种特定大小的划分？

序列H(n)描述的就是这个上限。人类数学家此前构造的下界被认为是"次优的"，甚至渐进意义上也不够好。问题的核心在于找到新的超图构造方法——这不是算力能暴力破解的，需要真正的结构性洞察。

Epoch AI设置的测试分三档：Warm-up（已知解法的简单变体）、Single Challenge（无已知解法的具体数值）、Full Problem（通用算法）。GPT-5.4 Pro直接攻破了Single Challenge档，找到了一个|V|≥64、|H|≤20且满足所有约束的超图构造。

单次对话。没有外部工具。没有人类提示"往这个方向试试"。

为什么数学家Brian的反应值得玩味

Brian的评语里有句话很关键："它消除了我们下界构造中的一个低效之处，并且在某种意义上镜像了我们上界构造的复杂性。"

翻译一下：人类数学家其实有直觉，知道哪里可能优化，但没能自己完成。AI的解法不仅补上了缺口，还跟人类已有的上层框架形成了对称——这种"镜像"让Brian既兴奋又好奇，他说"想进一步理解为什么这招这么好用"。

这里有个反直觉的点。我们通常以为AI解数学题=算得快，但组合数学的开放问题不是靠算力堆出来的。GPT-5.4 Pro的解法被描述为"eliminates an inefficiency"——这是结构层面的洞见，不是穷举。

更耐人寻味的是后续：Brian计划把AI的想法作为"follow-on work"的起点，Barreto和Price可以选择成为合著者。学术发表的游戏规则没变，但第一作者的位置空了出来——或者说，被一段对话记录取代了。

其他模型后来也解出来了，但这正是问题所在

Epoch AI完成测试框架后，用同一套scaffold测试了更多模型：Opus 4.6 (max)、Gemini 3.1 Pro、甚至GPT-5.4的基础版(xhigh)都成功解出了这道题。

这像什么？就像你发现自家锁被一把钥匙打开后，很快发现市面上五把不同的钥匙都能开。问题的难度没有变，但"可解性"的阈值被一次性拉低了。

对数学界来说，这意味着FrontierMath——那个专门收集"AI应该还解不了"的开放问题库——可能需要重新校准。Epoch AI设计这个基准测试的初衷是找到人类仍具优势的地带，结果第一道防线这么快就出现裂痕。

对25-40岁的科技从业者，这个场景应该很熟悉：你维护的某个"护城河"技术，突然被通用方案跨过去了。不是对手多努力，是基座能力跃迁了。

产品经理视角：当"不可解"变成"已解决"之后

从工具设计的角度看，GPT-5.4 Pro的这次表现有几个值得拆解的细节。

首先是交互成本。Brian提到的是"a full transcript of the original conversation"，说明解法来自自然语言对话，不是专门的证明辅助工具。这意味着数学家不需要学习新界面，用日常交流的方式就获得了突破。工具门槛的降低，往往比性能提升更改变使用模式。

其次是可验证性。AI生成的数学证明历来被质疑"幻觉"风险，但这次有完整对话记录和AI自己的write-up可供复核。Brian作为问题贡献者的背书，相当于给这个特定案例做了人工审计。规模化之后，这种审计成本怎么摊，是个开放问题。

最后是知识产权的模糊地带。Barreto和Price作为"提示工程师"可以选择成为论文合著者，但他们的贡献边界很难界定。如果同一道题换个人提示，AI给出等价解法，算独立发现还是重复工作？学术评价体系还没准备好回答这个。

Will Brian在确认解法后说，他对"为什么这招这么好用"感兴趣。这句话的潜台词是：AI给出了答案，但解释这个答案为什么成立，仍是人类的工作——至少目前是。

可如果下次，AI连"为什么好用"的解释也一并生成了呢？