OpenAI 发布 722 篇数学论文，解决 500 个顶级开放问题中的 90 个

OpenAI 在一个公开 GitHub 仓库中发布了来自一个内部前沿模型的大批数学成果，共 722 篇手稿，归入 372 个相关结果家族。这批成果来自对约 4000 个研究问题的评估，报道称解决了 500 个顶级开放数学问题中的 90 个。发布内容包含论文、证明工件和部分推理摘要，但模型本身仍未发布。

围绕同一批材料，出现了两种截然不同的叙事。Sam Altman 称其为“发现的新时代”；数学家 Levent Alpöge 则称赞准黎曼与无西格尔零点结果，称其为“数学史上最重要的时刻”。但核心成果数字与评价多来自 OpenAI 自身的博客、仓库及支持者评论，结果尚未经独立验证。

在这批成果中，结果 003 即“准黎曼假设”被单独拎出，被形容为介于菲尔兹奖级成果与“200 年来数论最大成果”之间。评论者还指出在黎曼、霍奇和 BSD 问题上取得了部分进展。这些评价来自个别评论者，尚未经独立验证。

需要区分的是：手稿的发布与家族归类是已确认的事实，而“准黎曼假设”的学术地位、以及千禧年问题上的部分进展，目前仍属于来源主张。它们是否真达到所称的高度，取决于后续的独立审查。

报道称每个结果平均消耗约三小时的 ChatGPT Pro 思考算力。作为对比，同一来源提到 Navier-Stokes 用时 88 小时、动用 10,000 个智能体。这一反差被用来强调新成果的“效率”。

但 Teortaxes 指出三小时算力“并不算多”，这提示另一种解读：低算力既可能说明方法高效，也可能说明任务本身并未触及最困难的部分。三小时算力是否足以说明成果的难度与可复现性，仍是未决问题。

一项分析估计约 20% 的结果是反证或反例，并认为这削弱了“AI 数学胜利主要靠暴力搜索”的说法。这一比例来自一项分析，并非官方统计。

如果该估计成立，它确实指向一种不同于穷举的能力；但反证与反例同样需要经得起审查。约 20% 的比例是否准确，以及它对“非暴力搜索”论点的支持力度，目前都无法确认。

怀疑并不针对发布本身，而针对其外推。Will Depue 预计部分结果经不起审查，并为此建立了 citedbyagi.com 来追踪该发布引用了哪些人类论文。François Chollet 则质疑在适合 RLVR 的数学和代码上的收益能否泛化，还是不可验证领域仍受限于人类数据。

这两条质疑指向同一个缺口：即便这批数学结果成立，也不能自动推出模型在更广泛领域具备同等能力。泛化问题与审查问题，是当前证据链上最薄弱的两环。

OpenAI 表示曾就如何发布这些成果咨询了高等研究院数学与人工智能独立咨询小组。这一动作表明发布方意识到成果的敏感性与验证需求。

但咨询并不等于验证。模型未发布、结果未经独立审查，加上 Alpöge 提到其他实验室用户被抢先和利益冲突的相关报道，使得这批成果的可信度评估不能只看发布方的叙述。被抢先与利益冲突的具体情况与影响范围尚不清楚。