722份手稿372个成果族17个分支：OpenAI亮出数学科研硬实力

10月7日，OpenAI交出了一份沉甸甸的前沿数学研究成绩单：依托内部未公开的前沿模型，团队累计产出722份数学手稿，覆盖372个数学成果族（所谓“成果族”，指的是围绕特定数学方向形成的一组关联结论，包含主定理、推论、特例与延伸问题，具备完整的研究体系性），其中部分证明已完成Lean语言的形式化验证。

一边是成体系的数学成果集中披露，一边是核心模型秘而不宣，这波操作，展示了AI辅助数学研究的新突破，也透着OpenAI清晰的技术布局逻辑。

一、从“做题”到“造成果”：AI数学能力的量级跃迁

在大众的认知里，AI做数学还停留在“解竞赛题”“刷IMO真题”的阶段——本质上是求解已有标准答案的题目，考验的是模型的解题技巧。而这次OpenAI披露的成果，已经跨过了“解题”的门槛，走到了“产出研究级结论”的阶段。这意味着AI不再只是跟着题目的条件走，而是能在一个数学分支内成体系地探索、推导并产出新的结论。

这批成果的生成路径本身也具备规模化特征：团队先向模型输入了约4000个开放研究问题，再按研究重要性、结论完整性筛选出372组核心成果，最终整理为722份手稿。据OpenAI披露，平均每个结果的推导，消耗约相当于3小时ChatGPT Pro思考的算力。

二、覆盖17个数学分支：完整领域分布与核心方向

根据OpenAI官方仓库的学科分类，372个结果家族完整覆盖17个数学与交叉科学方向，并非单点突破，而是呈现全面开花的态势。从最抽象的数理逻辑到偏向工程应用的偏微分方程，模型的能力覆盖了现代数学的绝大多数主干分支，完整分布如下：

其中成果数量超过25个的六大核心领域，贡献了超过六成的结果家族，也是本次突破性成果最集中的方向。

三、各领域代表性成果：那些悬而未决的难题有了新答案

在数百项成果中，多个方向都出现了足以震动对应领域的重量级突破，其中不少是学界悬置数十年的经典开放问题。

1. 理论计算机科学：完整证明唯一游戏猜想

这是整个成果库中分量最重的单项突破之一（第102号结果家族）。

唯一游戏猜想（Unique Games Conjecture）由Subhash Khot于2002年提出，Khot本人也因此获得2014年奈望林纳奖。该猜想是计算复杂性理论的核心问题：如果猜想成立，Max-Cut、顶点覆盖等一大批经典优化问题的最优近似复杂度门槛将被彻底确定——也就是说，我们能从数学上严格证明“这些问题最多只能近似到这个精度，再高就不可能了”。

在此之前，学界仅证明了较弱的“2对2”版本，完整猜想悬置二十余年。OpenAI的模型声称给出了完整证明，并且主结果已附带Lean形式化验证。同领域另一项重要成果（第106号）则证明：对于已知可3着色的图，用任意固定数量的颜色对其着色都是NP困难的，进一步夯实了图着色问题的复杂度边界。

2. 数论：准黎曼假设取得关键进展

数论领域最受关注的成果，是**准黎曼假设（Quasi-Riemann Hypothesis）**的新突破：模型证明了黎曼ζ函数在Re(s)＞7/8的区域内不存在零点。

黎曼猜想是千禧年七大数学难题之一，核心是判断黎曼ζ函数的所有非平凡零点是否都位于Re(s)=1/2的临界线上。7/8这个结果虽然还远未到达1/2的临界线，但已经是近年来零点自由区域的重要推进，属于“准黎曼假设”范畴的关键进展。

此外，数论领域还包含有理数域上的希尔伯特第十问题、Mahler猜想、π的无理性指数精确为2等经典问题的相关进展，这些问题都已在学界悬置半个世纪以上。

3. 代数与复几何：多个经典猜想获突破

• CM阿贝尔簇的霍奇猜想：霍奇猜想同样是千禧年七大难题之一，是代数几何的核心问题。本次成果针对复乘（CM）阿贝尔簇这一重要特例给出了相关证明，是向一般霍奇猜想推进的重要一步。
• 四维挂谷猜想（Kakeya Conjecture）：挂谷猜想关于高维空间中集合的测度性质，在调和分析、偏微分方程等领域有广泛应用。本次成果在四维情形下取得关键进展，解决了该领域长期悬而未决的核心问题。
• 非阿贝尔自由群因子同构问题：算子代数领域的经典难题，本次成果给出了否定性结论，推进了对冯·诺依曼代数结构的理解。

4. 组合数学：解决多个Erdős遗留问题

组合数学领域的成果集中在极值组合与拉姆齐理论方向，其中多个结果直接回应了数学大师保罗·埃尔德什（Paul Erdős）提出的经典问题：

• Erdős问题183：给出了多色三角形拉姆齐数的超指数下界，打破了此前长期停滞的线性增长结论；
• Erdős问题146与180：证明了极值数论中的紧致性猜想与退化猜想，这两个问题已开放超过40年；
• Erdős倒数和猜想：证明了倒数和发散的正整数集必包含任意长度的等差数列，是加性数论与组合数论的交叉突破。

5. 数学物理与偏微分方程：从相对论流体到量子磁体

• 相对论Vlasov-Maxwell系统全局光滑性（第362号）：证明了三维相对论性弗拉索夫-麦克斯韦系统在光滑初值下的全局存在唯一性，无需小初值或对称条件，是等离子体物理数学理论的重要进展。
• 量子海森堡铁磁体自发磁化（第271号）：证明了三维及以上维度的各向同性海森堡铁磁体在低温下存在自发磁化，解决了凝聚态物理中悬置多年的经典问题。
• 受迫纳维-斯托克斯流的通用计算性：构造了可编码图灵机停机问题的外力场，从计算复杂性角度揭示了纳维-斯托克斯方程的内在难度。

四、Lean形式化验证：从“看起来对”到“严格对”

这批成果最具含金量的信号，是超过半数的成果族都已完成Lean语言形式化验证。

Lean是一款交互式定理证明器，能将自然语言描述的数学证明转化为机器可严格校验的代码逻辑——每一步推导都必须有公理或已证定理支撑，从根源上消除证明中的笔误、隐含假设与逻辑漏洞。在此之前，前沿数学定理的形式化证明成本极高：一条重要定理的形式化工作，往往需要专业团队花费数月甚至数年手动完成。

而大模型的介入，相当于给形式化证明装上了“自动化引擎”。AI可以将自然语言证明自动翻译、补全为Lean代码，大幅降低形式化的门槛与成本。这次成规模的成果验证，说明“AI生成证明 + 机器严格校验”这条路径，已经具备规模化落地的可能。

五、模型藏而不发，OpenAI在打什么牌？

和以往“发布模型+同步演示能力”的套路不同，这次OpenAI只亮成果、不发模型，核心的前沿数学模型依然锁在内部。这背后的考量，其实并不难拆解。

第一，安全与对齐优先。强数学推理能力，本质上对应着更强的通用逻辑推理与长链条思考能力。这类前沿模型如果不加管控地开放，可能带来未知的安全与对齐风险。先放出垂直领域的应用成果、观察行业反馈与社会讨论，再决定模型的开放范围与节奏，是更稳妥的策略。

第二，构筑核心技术壁垒。数学推理是大模型能力的“深水区”，也是科研、工业等高价值场景的核心竞争力。将模型保留在内部，既可以支撑后续面向科研机构、企业客户的高端API服务，也能在大模型推理能力的竞赛中，保持长期的技术代差。

第三，成果仍在迭代进程中。722份手稿更像是阶段性进展通报，而非最终的研究终点。模型本身大概率还在持续优化能力边界，待成果体系更成熟、落地场景更清晰后再择机发布，也符合OpenAI一贯的“先验证能力、后释放产品”的节奏。

六、大模型+形式化证明，会重构数学研究吗？

这次成果真正的行业价值，从来不是“AI又做出了多少数学题”，而是它验证了一种全新的数学研究范式的可行性。

传统数学研究有一个绕不开的痛点：前沿定理的证明高度依赖人工核验，一篇几十页的证明论文，同行可能需要花费数月去推演、验证，其中的疏漏、错误往往难以在短时间内被发现。而形式化证明可以实现机器秒级的严格校验，彻底解决证明的可信度问题。

过去限制形式化证明普及的，是极高的人力成本——把自然语言证明翻译成可执行的Lean代码，工作量往往远超证明本身。而大模型的介入，让这个翻译、补全、校验的过程可以自动化完成，相当于给数学研究装上了“验证加速器”。

未来的数学研究，很可能会形成新的工作流：
数学家提出猜想与核心思路 → AI生成完整的证明草稿 → AI自动完成Lean形式化校验 → 数学家回归到思想本身，聚焦创意与方向判断。

繁琐的推导、校验、补全工作被AI承接，数学家可以把更多精力放在真正需要创造性的部分。

七、结语

随着大模型能力越来越强，AI向基础研究深入的趋势已经不可逆转。当AI能稳定地产出可被严格验证的数学结论时，数学的工业时代就要来临了！这722份手稿只是这个时代的序章，期待！

PS：
理论数学家们估计需要一段时间消化和吸收这一轮大模型给出的数学结论。
理论数学家的工作方式和工作流程会发生巨大的变化，现在是摘取低垂果实的好时机。
有些行业，原本需要强大的数学能力，在大模型的加持下，可能会出现突飞猛进的发展和重大突破。
期待黎曼猜想被攻破的一天。