辽宁
9月1日，一份特殊的成绩单公布了。
考卷是68道人类至今未能解开的数学难题，考生是当下五个最强的AI模型。
结果几乎是零。只有预发布版本的GPT-6 Astra解出了其中两道，得分3%；GPT-5.6 Sol、GPT-5.5、Claude Fable 5.1和Claude Fable 5全部交了白卷。
这份名为FrontierMath Erdős（FME）的测试，由研究机构Epoch AI与曼彻斯特大学数学家Thomas Bloom共同发布。
一场被质疑催生的考试
过去一年，AI攻克数学开放问题的消息接连传出。
2026年5月，OpenAI宣布其模型推翻了离散几何中的单位距离猜想；7月，数学家Levent Alpoge公布了三维雅可比猜想的反例，并说明这一发现借助了Claude Fable 5；8月，OpenAI又公布了AI在十个数学与理论计算机科学问题上的新结果。
但在2026年国际数学家大会的报告中，陶哲轩指出，这类证据大多并非在受控的科学条件下获得。他列举了四点缺陷：只报成功不报失败，成功率因而无从知晓；算力开销不公开；人类引导的程度不透明；训练数据是否已包含答案难以判断。Epoch AI又补上一条——不同模型从未在同一批问题上被系统比较过。
FME正是对这些质疑的直接回应，其设计有三重约束。
第一，全部采用未解问题，从而排除模型"背答案"的可能。第二，答案必须写成Lean形式化证明，由Lean内核裁决，通过即是证明，没有模糊空间。第三，所有模型在同一批题目、同一套脚手架下作答，每题预算300美元、限时72小时、只有一次机会。
此前面向开放问题的两个基准HorizonMath与FrontierMath: Open Problems，都依赖"生成—验证"模式。它们只能覆盖解是可计算对象的问题，比如一个图、一个多项式或一个算法，而绝大多数开放问题要求的是对一般命题的证明，根本无法纳入这种格式。
两道题，和没能解开的六十六道
68道题由Bloom从erdosproblems.com上652道未解问题中挑出，标准是：任何一道若由人类解出，都足以在高水平期刊上发表一篇论文。在正式测评中，GPT-6 Astra用反例推翻了第74号问题，花费218美元、15小时；又证明了第126号问题，花费247美元、16小时。在放宽预算、调整智能体配置的追加实验中，它累计解开5道——但Epoch AI强调，这不构成基准分数。
其中之一是第1号问题。埃尔德什称之为"也许是我第一个认真的问题"，提出于1931年，当时他18岁，这很可能是留存至今最古老的一道埃尔德什问题。AI给出的是一个反例，推翻了埃尔德什本人的猜想方向。另一道是1962年提出的埃尔德什–肖什猜想，长期被视为极值图论中最诱人的问题之一，此前只在若干特例上被证明。Bloom认为AI给出的完整证明出人意料地简短而优雅。
代价则是另一面的事实。
为拿到这5个解，全部尝试累计消耗超过22万美元算力，而正式测评本身只花了约2万美元。剩下的63道题中，56道被反复尝试两到五次、共172次，无一解开。
3%说明了什么
Epoch AI的结论相当克制：在这套脚手架和这个预算下，AI解决重要开放数学问题的能力真实存在，但仍不常见。按每题300美元、3%成功率计算，解开一道重要难题的期望成本约为1万美元。 Epoch AI
对一个可能值得一篇顶级期刊论文的结果而言，这个价格并不算高。
但3%也可能是低估。形式化本身是独立于数学发现的另一项工程——当OpenAI的模型解决单位距离猜想时，18页的自然语言证明，形式化后是120万行Lean代码。 Epoch AI
模型可能想出了正确的论证，却输在把它写成机器可验证的形式上。
一个耐人寻味的对照是，这场考试中交白卷的Claude Fable 5，正是7月被数学家用来找到雅可比猜想反例的那个模型。
差别在于，那一次有人类数学家在旁引导，而FME要求模型独自走完从想法到形式化证明的全程。
这或许正是这份基准真正的价值所在。
它没有回答"AI能不能做数学"，而是把这个问题拆成了可以反复测量的量：花了多少钱、试了多少次、解开几道、有没有人在旁边。
论文作者最后提醒，FME衡量的是解题能力，而非提出问题的能力。
而埃尔德什被后世铭记，一半是因为他证明的定理，另一半是因为他提出的问题。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
