OpenAI Astra 连破十项数学难题，AI 正在改变数学研究

OpenAI 的下一代模型 Astra 已经从“解数学题”走向“产生新数学结果”：2026 年 8 月 1 日，OpenAI 公布了十项由其内部版本生成的数学与理论计算机科学进展，并同步发布论文、推理过程和 Lean 形式化文件。如果这些结果通过独立复核，它们的意义会超过一次新的 benchmark 纪录；但“OpenAI 发布成果”仍不等于“数学共同体已经正式确认十个猜想被解决”^[1]。

这次真正值得关注的不是某一道题，而是模型开始跨领域、批量地产出研究级结果。单点突破可能是偶然，批量突破则可能意味着数学研究的生产方式正在改变。

TL;DR

OpenAI 公布的是十项不同类型的成果，包括证明、反例和上下界改进，并非严格意义上的“十个猜想全部被证明”。
Astra 是尚未公开的下一代主要模型；OpenAI 称其找到这些解法所需 token 按 Sol API 价格估算约为 2000 美元。
公开的 249 页论文与 Lean 文件提高了可检验性，但不能替代独立专家对命题翻译、新颖性和学术意义的审查。
这批结果如果成立，最大的影响不是数学家立即失业，而是证明搜索和技术试错的边际成本快速下降。
数学家的稀缺价值将更多转向选题、解释、验证、概念提炼和研究组织。

Astra 公布了哪些数学成果？

OpenAI 的官方公告列出十项结果，涉及八个以上的研究方向^[1]：

领域	Astra 公布的结果
高维球堆积	确定 Cohn–Elkies 线性规划的渐近强度并改进通用上界
二进制与球面编码	在全部参数范围内给出指数级更强的上界
群论	构造非 sofic 群，回答一个核心开放问题
算子代数	给出 Connes 刚性猜想的反例
算术电路复杂度	改进计算永久行列式所需电路与公式的复杂度下界
量子复杂性	证明一般有限双人量子博弈的指数平行重复定理
格问题	证明欧氏最近向量问题具有多项式因子的近似困难性
凸几何	在所有维度上证明 Ehrhart 体积猜想中的尖锐上界
Ramsey 理论	得到多色三角 Ramsey 数的超指数下界
极值图论	推翻紧致性与退化猜想，解决两个 Erdős 问题

这些工作被整理成一份 249 页论文合集。其中有些章节给出完整证明，有些通过构造反例推翻长期猜想，还有一些改善了经典上下界^[2]。

因此，“Astra 解决十个数学猜想”适合做新闻标题，却不是最准确的学术描述。更稳妥的说法是：OpenAI 提交了十项潜在重大的数学与理论计算机科学成果。

为什么它比 AI 获得奥数金牌更重要？

数学竞赛题很难，但它们属于封闭问题：题目已经有人设计，结论已知，而且通常存在一条能在有限时间内写出的解题路线。

开放研究没有这些条件。研究者往往连命题应该被证明还是推翻都不知道。工作中真正昂贵的部分包括选择方向、连接远距离知识、搜索反例、发现构造，以及判断一条已经投入数周的路线是否值得继续。

OpenAI 在 2026 年 5 月已经展示过一次类似能力。当时，一个内部通用模型使用代数数论中的工具，推翻了延续近 80 年的 Erdős 平面单位距离猜测。该证明经过外部数学家检查，Tim Gowers 将其视为 AI 数学发展的里程碑^[3]。

如果那次还可以被看成一次特别成功的单点突破，Astra 此次跨越高维几何、群论、量子复杂性和格密码等领域，就更接近能力层面的变化。

一个结果可能来自偶然或筛选。十项不同类型的研究结果同时出现，说明模型可能开始具备可重复的数学探索能力。最终是否如此，还要看外界复核和后续模型能否继续产生同等级成果。

2000 美元的 token 成本意味着什么？

OpenAI 称，找到这十项结果所用 token 按 Sol API 价格折算约为 2000 美元^[1]。

这个数字不能理解为“2000 美元完成十项数学研究”。它不包括 Astra 的训练成本、基础设施、研究人员、问题选择、失败项目、人工整理和形式化工作，也没有告诉外界为了筛选出这十项结果一共评估了多少问题。

真正值得注意的是边际探索成本。

传统研究中，一名数学家可能花几周确认某条思路走不通。模型可以并行尝试大量路线：寻找反例、检查特殊情况、组合不同定理、运行计算实验，最后只把少数有希望的结果交给人类深挖。

如果这种能力可以稳定复现，未来的研究预算可能从“资助一条证明路线”变成“购买一片证明搜索空间”。模型未必代替提出重要问题的人，却会显著降低技术试错的价格。

从 Astra 到同行认可，中间还有四个环节

$Astra 生成数学论证后，经人类整理、Lean 检查与独立同行复核的四阶段流程$

OpenAI 对此次成果采用的公开流程，大致可以拆成四步：模型产生数学论证，人类使用同一模型整理成论文，模型将论证形式化为 Lean 文件，随后由数学共同体检查和解释结果^[1]。

这四步不能合并成一句“机器已经证明”。每一步解决的问题不同：

模型生成回答是否能找到候选思路和完整论证；
人类整理把探索过程变成可阅读、可引用的论文；
Lean 检查判断形式化结论能否从写入系统的前提推出；
同行复核确认形式命题对应原问题，并判断新颖性、重要性与潜在影响。

OpenAI 已在 GitHub 公开十项结果的 Lean 4 文件、构建说明和独立证明检查方法^[4]。这比只展示一段流畅的模型回答可靠得多，也让外界可以针对具体定义和证明步骤提出异议。

但 Lean 检查通过不是“绝对正确”的同义词。形式系统验证的是被编码后的命题。专家仍要确认原始问题是否被准确翻译、前提是否合理、定义是否符合领域惯例，以及关键困难有没有被转移到未经说明的假设中。

Lean 也不会判断一项结果是不是首次出现，或者它是否像厂商公告描述的那样重要。机器可以验证逻辑推导，学术价值仍然需要共同体判断。

为什么现在还不能宣布“数学被 AI 攻克”？

目前的模型开发者、论文发布者和证明责任方都是 OpenAI。公司公开了大量可检查材料，这是积极信号，但独立复核仍然不可省略。

OpenAI 自己此前就提供过一个反例。2026 年 2 月，公司发布内部模型对 First Proof 研究题的十次尝试，其中一份最初被认为很可能正确的证明，在收到题目作者和社区反馈后被确认存在错误^[5]。

这说明在前沿数学中，“论证看起来完整”与“证明真正成立”之间，可能只差一个隐藏得很深的漏洞。模型越善于写出专业、连贯的数学文本，审阅者越不能只凭阅读流畅度判断正确性。

Astra 此次同时给出长篇论文和形式化文件，证据水平明显更高。截至 2026 年 8 月 2 日，合适的判断仍然是：这是一批有重大潜力、已经具备较强可验证性，但仍在等待独立共同体充分审查的研究结果。

数学家会被 Astra 取代吗？

短期内不会，但数学家的工作组合会改变。

研究数学包含选题、猜想、路线搜索、技术推导、验证、解释和理论推广。Astra 首先压缩的是路线搜索与技术试错的成本，而这两部分通常会占用研究者大量时间。

当候选证明的供应量增加，以下能力反而会更加稀缺：

判断什么问题值得解决；
识别模型结果的真正创新点；
把长篇机器证明压缩成可以被人理解的新概念；
发现一项技术还能迁移到哪些领域；
设计可靠的人机研究流程；
对大量机器成果进行独立审计。

未来的数学家可能更像问题设计者、研究导演和证明审计者。技术推导不会消失，但手工完成每个中间步骤不再必然是研究工作的中心。

这种变化还会冲击学术制度。AI 生成的证明应该如何署名？使用模型的论文需要披露多少过程？掌握私有模型与算力的公司是否会形成研究优势？没有同等工具访问权的年轻学者如何竞争？

OpenAI 表示，如果数学论证完全由 AI 产生，就不应把它描述为纯粹的人类原创^[1]。与此同时，《莱顿人工智能与数学宣言》要求数学界重视署名、训练数据、科研公平、企业权力与人类理解等问题^[6]。

这些问题不是模型正确率之外的附属讨论。Astra 越强，它们越需要尽快形成可执行的规范。

Astra 是否证明 AGI 已经到来？

不能。

数学具有清晰规则、海量数字化文献和可自动检查的证明，是 AI 最容易建立训练与验证闭环的研究领域之一。模型在形式推理上的进步，不会自动等比例迁移到依赖实验设备、现实观测、隐性经验和模糊目标的学科。

公开材料也没有证明 Astra 可以独立完成完整科研循环。人类仍然参与问题选择、稿件整理、结果发布和责任承担。OpenAI 没有公布全部失败项目，因此外界暂时无法计算模型对任意开放问题的真实成功率。

这批成果能支持的结论更具体：通用 AI 已经有可能在某些研究级数学问题上产生原创、完整且值得正式审查的论证。

这个结论本身已经足够重要，没有必要把它包装成 AGI 宣言。

AI 数学真正的拐点可能已经到来

过去，计算机帮助数学家进行数值计算、搜索文献和验证有限情况。Astra 开始尝试选择证明路线、连接概念、构造反例并完成长篇论证。这两类辅助并不处在同一个层级。

如果十项结果经独立复核成立，数学发现将第一次清晰地呈现出一种新形态：可以大规模并行搜索，可以用形式系统自动检查，并且可以通过增加推理资源扩大产出。

但数学的目标不只是把命题从“未知”改成“已证”。证明还要提供理解，让人看见结论为什么成立，以及它与其他结构之间有什么联系。

未来真正稀缺的也许不再是机器能否生成更多定理，而是人类能否消化、组织并拥有这些定理。Astra 可能没有终结数学家，却很可能已经开启了数学研究自动化的新阶段。

OpenAI. Ten advances in mathematics and theoretical computer science. August 1, 2026. openai.com/index/ten-advances-in-mathematics
OpenAI. Ten Advances in Mathematics and Theoretical Computer Science. August 2026. cdn.openai.com/pdf/ten-proofs-oai.pdf
OpenAI. An OpenAI model has disproved a central conjecture in discrete geometry. May 20, 2026. openai.com/index/model-disproves-discrete-geometry-conjecture
OpenAI. Ten Advances in Mathematics and Theoretical Computer Science — Lean 4 formalizations. Retrieved August 2, 2026. github.com/openai/ten-proofs
OpenAI. Our First Proof submissions. February 20, 2026. openai.com/index/first-proof-submissions
Leiden Declaration Working Group. Leiden Declaration on Artificial Intelligence and Mathematics. May 2026. leidendeclaration.ai