破了十大「菲尔兹奖级」难题，OpenAI公开62页核心手稿！

来 源丨硅基见闻

一份由AI亲手写就的62页笔记，揭开了十大数学难题被攻克的完整思维过程。而这一切的Token成本，仅2000美元——还不够买一部iPhone。

今天，OpenAI重磅放出一份长达62页的「核心手稿」——名字叫《How the Ideas Came Together》（思路是如何成型的），该文档详细展示了GPT的完整推演。

表面上看，它只是对两天前那场"数学地震"的补充说明。但实际上，这份手稿的每一个字，都是AI自己写的。

OpenAI团队明确表示：他们没有插手一个字。

AI做的事情，说白了就是“复盘”——它读了自己最初的那套思维链（Chain of Thought），也读了最终成文的数学论文，然后把自己解题的全过程，像一位数学大师给研究生讲课那样，重新叙述了一遍。

它回顾了四件事：

• 哪些直觉最初点了一条可行之路；

• 哪些看起来天衣无缝的方法，最终撞上了南墙；

• 哪一个瞬间的“视角切换”，让隐藏的底层结构浮出水面；

• 那个决定性的灵感，最后怎样拼成了完整论证。

这份手稿的公开，意味着我们第一次有机会窥见AI做数学时的内部思维过程，而答案本身，足以让整个数学界沉默。

1

2000美元，十道世纪难题

把时间倒回两天前。

8月2日，OpenAI一名内部员工发布了一篇博客，轻描淡写地宣布：下一代模型Astra在十个数学难题上取得了重大突破。

清单一出，全网哗然。

十大难题覆盖的领域，横跨高维几何、编码理论、群论、算子代数、算术电路复杂度、量子复杂度、格密码学、极值组合学——几乎是一张纯数学和理论计算机科学的“全家桶”地图。

当时的公告附带了249页的论文合集，以及一套完整的Lean 4形式化验证证书。

两天后，62页的“思维手稿”接踵而至。

最让社区震动的，不是结果本身，而是成本。

按照GPT-5.6 Sol API的计费标准，生成这十份证明总共消耗的Token费用，不到2000美元。

平均下来，每道题约200美元——大致相当于一名研究生一个周末的劳务费。

2

高维球体堆积：46年铁壁如何被击穿

十道题中，讨论度最高的，当属高维球体堆积问题。

问题本身，其实很“接地气”——就是把一堆同样大小的球塞进一个箱子里，最多能塞多满？

在三维世界里，答案是水果摊上“垒橙子”的堆法——这一点，人类用了四百年才在开普勒猜想的框架下完成证明。

2022年，数学家Maryna Viazovska因解决8维和24维球体堆积问题摘得菲尔兹奖。但她解决的是特定维度。

真正的问题是：当维度趋向无穷大，堆积密度的上界，到底在哪里？

这就不得不提到“1978年以来的铁壁”。1978年，两位苏联数学家给出了一个上界的指数：0.5991。

此后整整46年，全世界最聪明的数学家们，连小数点后第三位都没能撼动。

这个数字，成了高维几何领域最著名的"天花板"。

那么Astra是如何解决这个问题的呢？62页手稿，完整还原了AI的推理路径。

第一步:找到方法的“天花板”在哪里。

Astra首先确认，Cohn–Elkies线性规划这套经典方法本身，存在一个不可逾越的极限。

它最初尝试用Cauchy–Schwarz不等式来估计一个函数的负质量分布。推了半天，最多只能做到半径√d/(2√π)。

卡住之后，AI做出了一个关键判断：问题不在于常数没调好，而在于全局范数结构根本无法记录负质量的空间位置。

这不是“差一点”的问题，而是"方向错了"。

第二步:视角切换——Mellin变换登场。

Astra放弃了原来的思路，转向Mellin变换配合调和测度。

为什么是这个工具？

手稿给出了清晰的解释：对径向函数而言，傅里叶变换本质上等价于Hankel变换，其核函数只依赖于空间半径与频率半径的乘积。

在Mellin变换的视角下，这个乘积结构变成了一个极其简洁的操作——反射，加上一个显式相位因子。

而最精妙的地方在于：这个相位因子在实轴上的模长恒为1，也就是说，在实轴上你什么信息都看不到。但它一旦被延拓到复平面上，就携带着范数不等式丢失的那部分高维几何信息。

极限处，调和测度收敛为一个logistic密度，其对数位势精确等于digamma函数，积分结果恰好是log(π/2)。

阈值1/π，就是这样被推导出来的。

手稿中有一个极能说明问题的细节：调和测度的总质量是(1−σ)/2，而不是1。AI特意标注了一句话——“过早把这个核替换为概率密度，会破坏指数常数。”

这意味着它完全理解每一步操作对最终结果的影响。

第三步:下界构造——高斯不够，需要“形变”。

拿到上界后，还需要构造一个真正能达到这个上界的函数。

高斯函数有正确的傅里叶对称性，但鞍点位置不对。

Astra的做法是：在高斯函数上乘一个偶函数形变因子，让鞍点移动但不破坏对称性。把所有可用阻尼用满后，得到一个"理想剖面"。

鞍点位移积分通过Wallis乘积精确计算，结果等于−(1/2)log(π/2)。

这个数字，把高斯函数给出的半径1/√(2π)，精确地搬运到了1/π。

上界和下界，在这里严丝合缝地吻合。

最终，46年的铁壁被推到了0.6044005442916776954…。

密度上界：2−(0.6044…+o(1))d

3

327年悬案：非sofic群终有定论

什么是sofic群？

1999年，俄罗斯数学家、阿贝尔奖得主Mikhail Gromov提出了“sofic群”的概念。

Sofic，源自希伯来语，意为“有限”。

通俗来说：一个无限大的抽象群，能否用一系列有限的置换操作来近似模拟？如果能，它就是sofic的。

你可以把它想象成：无论一个无限大的三维模型有多复杂，是否都能用有限的像素点完美渲染出来？

紧接着，一个核心问题浮现：所有可数群，都是sofic群吗？

这不是一个边缘问题。sofic群的性质直接牵动着sofic熵理论、动力系统遍历论、算子代数等一大片数学版图。如果答案是"否"，意味着存在某种从根本上无法被有限结构逼近的群——整个理论框架都要重新审视。

27年来，无数顶尖数学家尝试构造反例，全部折戟。

Astra的答案:手稿显示，Astra给出了一个显式构造：存在一个无限、有限表现的非sofic群。

曼彻斯特大学数学家Thomas Bloom评价道：

“在构造类成果中，这比之前OpenAI证伪的单位距离猜想更重要。”

真正的难点是从“多”到“一”.手稿中最有价值的部分，是它清晰地还原了真正卡住的地方。

问题的核心矛盾，被AI称为"关键的错配"（the crucial mismatch）：

• Kun定理给出的是许多个扩张图；

• Kun–Thom定理需要的却是一个。

从“多”到“一”之间这道坎，是整个证明的核心障碍。

AI给出了一个极其干脆的说明，解释为什么不能简单地"随便挑一个"：

在两份完全相同的Q并起来（Q⊔Q）上，“交换两份”这个操作与扩张的K作用精确交换——但它不保持任何一个分量。换句话说，那些"近似中心的东西"可以在分量之间来回跳跃，你根本抓不住它们。

弯路与教训：手稿还记录了一条更早的弯路：试图把property (T)直接转化为混合性。这需要一个lazy或反二部的平均集——虽然修正平均确实治好了谱问题，但治不了"到底选哪个分量"这个根本问题。

随后Astra又试了一版方案：对组件大小取对数，在随机平移的网格上分箱，再换成有界中位数比较。

这条路也失败了。

但从失败中，AI提炼出了一个“本质原则”：

要取平均的，永远是分量规模的一个有界单调函数，绝不能是无界的规模本身。

最终版本据此重写。在每个环境扩张分量A里，取一个顶点加权的中位数m_A，定义：

f(x) = M(x) / (M(x) + mA)

其中M是分量规模。这个f永远在0和1之间，1/2恰好是每个A上的中位数。

它的精妙之处在于：把一个失控的量，变成了一个受控的量。

由于生成元是置换——只挪位置不增不减，走一圈总变化必然为零；每步最多掉一点点，两边都被压成可忽略。再按高度切开、对小的一侧用扩张性，两头一夹：f几乎处处等于1/2。

这意味着同一范围内所有块的规模被夹得几乎一样大——终于能一一对上号了。

最终收尾时，还剩一小片“坏区域”。Astra的处理方式颇为反直觉：挑一片尽可能大的坏区域整个扔掉——正因为挑的是最大的那片，才反过来证明它其实小到可以忽略。

困扰学界27年的Gromov难题，最终由一台机器给出了答案。

4

从GSM8K到62页手稿：

一条短得离谱的弧线

手稿公开后，OpenAI强化学习负责人Mo Bavarian发了一段长帖。

开头第一句：“这真是一个超现实的时刻。”

他回忆了2021年的往事。那一年，他和团队发布了GSM8K数据集——8500道小学数学应用题，简单到只需2-8步就能完成。

GPT-2/3年代，AI连这些小学题都做不稳，写邮件勉强够用。

五年后，2000美元的Token，换来十份可能载入数学史的答案。

Mo Bavarian写道：

“对我而言，这一刻，比任何时候都更像奇点前夜。”

这条弧线——从小学应用题到菲尔兹奖级别的数学研究——短得让人后背发凉。

5

尾声：数学还会是人类心智的荣耀吗？

2024年，“AI教父”Geoffrey Hinton预言：未来10到20年内，AI甚至可能创造出人类无法理解的新数学。

两年后，OpenAI的结果让这个时间表看起来都太保守了。

从GPT-2做不稳小学算术，到Astra手撕菲尔兹奖级难题，中间只隔了不到五年。

而Noam Brown说，计算预算远未封顶。

2000美元。

一部iPhone的钱，十个世纪难题。

也许未来的数学史学家在回望2026年8月4日时，会写下这样一句话：

那一天，AI不仅解开了十道数学题，它还亲手写下了一份62页的"自述"——告诉我们，它是怎么想的。

而这份“自述”里，没有OpenAI团队的一个字。

“奇点前夜”——或许，我们已经站在了黎明的第一缕光里。

*免责声明：本文内容仅代表作者看法。市场有风险，投资需谨慎。在任何情况下，本文中的信息或所表述的意见均不构成对任何人的投资建议。

深蓝财经新媒体集群发源于深蓝 财经记者社 区，已有16年历史，是国内知名财经新媒体，旗下账号关注中国最具价值公司、前沿行业发展、新兴区域经济，为投资者、上市公司高管、中产阶级提供价值内容，欢迎关注。