OpenAI连破10道数学难题，Fable 24小时「复现」5道

新智元报道

10项数学难题，24小时反转。

这个周末，OpenAI与Anthropic两大AI巨头，在数学的最前沿短兵相接。

先是8月1日，OpenAI研究员Sébastien Bubeck宣布，他们未公开的下一代主力模型Astra，一口气证明了10项前沿数学成果，还甩出了10份Lean证书、10份逐题思路复盘。

别小看这10个问题。

它们的主要结论至少10年没人推动过，不少一搁就是几十年，是货真价实的开放难题。

虽算不上数学里最深的未解之谜，却个个都是难啃的硬骨头。

Epoch AI旗下FrontierMath的负责人Elliot Glazer直言：光是非索菲克群这一篇，就肯定能进数学界公认的顶级期刊Annals of Mathematics。

这10道难题一甩出，AI圈直接炸了，有人当场喊出「数学奇点已经到来」。

Anthropic这边迅速接招。

不到24小时，研究员Levent Alpöge在Bubeck的帖子下回了一句：「我用Fable完成了一半。」

紧接着他又补充，自己做出来的是OpenAI榜单上的第4、5、6、7、8项，一共5项。

实验条件，Levent称很干净：完全自主、通用提示词、全程无网络，为了防止OpenAI的解法泄漏进上下文，还特意加了一层防护。

当然，Levent目前还没放出Fable的完整证明细节，他表示会上传。

但如果得到证实，这件事的分量就变了：

OpenAI用未发布的模型Astra抢到的首发先机，只保住了24小时。而追上来的Fable，是Anthropic早就公开、人人都能调用的模型。

一项「数学首发」

保鲜期只剩24小时

网友Chubby转帖：「公开可用的Fable，复现了Astra一半成果。」

评论区有人调侃：这么看，OpenAI是不是只抢到了一个首发？

过去，一项数学成果的优先权之争，通常以年为单位。

谁先想到、谁先证出、谁先发表，中间隔着漫长的投稿、审稿、修改。

而现在，Astra还没正式发布，它公布的成果，仅仅24小时，就已经被一个公开模型追平了一半。

首发的含金量还在，但保质期却大大缩短。

不少网友已经在喊「数学奇点」，两个AI巨头也紧紧咬上了。

2000美元背后

还有更贵的账

OpenAI还甩出一个数字：找到这10项解法，成本不到2000美元。

按研究员Noam Brown的说法，它对应的是寻找这些解法所需的token，再按Sol API价格折算出来的。

也就是说，这只是成功跑出10个解法那一刻的边际推理成本。

在这之外，还有Astra本身的训练研发、那些试了却没成功的问题、人类把论证整理成249页论文的工时、把每个证明形式化成Lean的成本，以及最后外部数学家审查的成本。

Noam自己也承认，他们还尝试过其他重大问题，但都没成功，千禧年大奖难题一个都没拿下。

即便如此，2000美元仍然把AI解出一道前沿难题的边际成本，打到了地板。

有人甚至调侃，OpenAI是不是明天会再公布10项数学突破，或者等到下周一次发100项。

从「互相刷榜」到「互相验货」

Fable去重做Astra的同一批题，这件事要比普通刷榜有意思得多。

刷榜测的是已知答案：题目和标准答案都摆在那儿，比谁分高。

而两个模型在无网络、防泄漏的条件下，各自独立抵达同一个前沿结论，测的是完全不同的东西：这个结果到底可不可靠，能不能被独立复现。

这更像同行评审。

Levent目前只是在X上「作出了声明」，并没有放出那5项证明的PDF、提示词、完整运行日志、token成本或Lean证书。

网友Haider质疑：就算是真的，为什么要用Fable去复现Astra，而不是直接拿它去解新的开放问题？

事实上，Fable并不是只会蹭Astra热度，它也会解新题。

7月，Levent就用Fable给出过Jacobian猜想的三维反例，事后还有人专门写了一份7页的代数验证材料，确认那个显式映射确实推翻了三维及更高维的猜想。

绝大多数人看不懂的成果

谁来验收

这10项成果，到底有多重要，绝大多数人很难去判断。

Ethan Mollick一语道破：对地球上几乎每一个人来说，这不只是超出能力，而是超出理解范围。我们只能相信专业数学家告诉我们它厉不厉害。

代码、图片、聊天，普通人还能亲手体验AI强在哪。

可非索菲克群的存在、Connes刚性猜想的反例、量子平行重复定理，这些只有极少数专家看得懂。

AI能力越往科学前沿走，公众能依靠的就越不是亲身体验，而是一条长长的信任链。这种「连惊叹都无从惊叹」的状态，正在越来越多领域同时发生。

数学家Thomas Bloom提醒，这些成果用的是上百年积累的数学理论、数学家亲手搭好的形式化系统，把它简单描述成「AI取代了数学家」，并不诚实。

他给出的标准是：这份证明，有没有教给我们关于这个问题的新东西？

所以真正的问题来了：当AI能低成本、批量地生产前沿数学证明，我们到底该拿什么衡量它的成果？

答案也许不在它的产出端，而在验收端：一份证明能不能被读懂、被核对、被判断出分量，才能最终决定它的真实价值。

最稀缺的能力，正在从「做出证明」转向「看懂并验收证明」。

当AI一夜之间就能证出十道难题，真正的考验才刚开始：证明越造越快，我们的验证，还追得上吗？

参考资料：

https://x.com/haider1/status/2083908869915611554

https://x.com/polynoamial/status/2083470822258467194

https://x.com/kimmonismus/status/2083950641978679363 https://x.com/Dr_Singularity/status/2083653287463571742

编辑：元宇