摘要
2026年8月1日，OpenAI投下一枚足以改写数学史的深水炸弹：尚未正式发布的下一代主力模型Astra内部测试版，一次性攻克10项悬而未决至少十年、多数长达数十年的数学与理论计算机科学开放难题。成果横跨高维几何、编码理论、算术电路复杂度、群论、算子代数、量子复杂度、格密码学与极值组合学等8个方向。最重磅的一项是首次显式构造出"非sofic群"——一个自1999年Gromov提出sofic群概念以来27年未解的群论核心问题，被加州理工数学博士称为"菲尔兹奖级别"的成果。同时，1982年菲尔兹奖得主Alain Connes提出的"Connes刚性猜想"被直接证伪。所有证明全部由Lean形式化验证，完整推理代码与论文已开源，总推理成本仅约2000美元。
核心结论：Astra的10项突破不是"AI又一次在奥数题上得高分"，而是AI首次在人类尚未解决的真实数学开放问题上系统性地贡献了独立洞察。这背后的范式转移是：AI正在从"数学证明的验证工具"演变为"数学证明的提出者"。当2000美元算力可以完成传统数学家数年甚至终身的工作时，数学研究的成本结构、评价体系、协作模式都将被重塑——“2026年的菲尔兹奖可能是最后一届完全属于人类智慧的菲尔兹奖”（陶哲轩语）。
一、249页PDF：数学圈震动的起点
8月1日傍晚，OpenAI在其官网发布了一份长达249页的研究报告《Ten advances in mathematics by Astra》，并同步在GitHub开源了全部Lean形式化证明代码。报告披露Astra在一个统一模型框架下完成了10项独立但风格迥异的数学突破，每一项均涉及该子领域公认的"硬骨头"问题。
| 编号 | 课题 | 所属领域 | 重要性 |
|---|---|---|---|
| 1 | 高维球体堆积密度上界 | 高维几何 + 编码理论 | Annals级 |
| 2 | 二元码最大规模下界 | 编码理论 | FOCS级 |
| 3 | 非sofic群存在性构造 | 群论 | 菲尔兹奖级 |
| 4 | Connes刚性猜想反例 | 算子代数 | Inventiones级 |
| 5 | 算术电路下界 | 算术电路复杂度 | CCC级 |
| 6 | 量子并行重复定理 | 量子复杂度 | FOCS级 |
| 7 | 最近向量问题计算困难性 | 格密码学 | Crypto级 |
| 8 | Ehrhart体积猜想 | 极值组合学 | JAMS级 |
| 9 | 多色Ramsey数下界（Erdős #183） | 极值图论 | JAMS级 |
| 10 | 极值图论紧致性/退化性（Erdős #146/#180） | 极值图论 | JAMS级 |
（数据来源：OpenAI官网《Ten advances in mathematics by Astra》, 2026-08-01；https://openai.com/index/ten-advances-in-mathematics/）
需要强调的"硬核真相"是：这10道题没有一个来自公开基准测试集——它们都是各分支领域数学家长期尝试、却无法在已知方法下推进的真实开放问题。换言之，这不是AI在"已知答案的考卷上答题"，而是在"人类尚未给出答案的真问题上交卷"。
1.1 学术界的第一反应
罗格斯大学杰出教授、美国数学学会Fellow Alex Kontorovich在X平台连发两个惊叹号作为评价；曼彻斯特大学数学家Thomas Bloom直言，“整体学术价值远超五个月前OpenAI证伪埃尔德什单位距离猜想的单次成果”；甚至连竞争对手Anthropic旗下的Claude Fable 5都给出了高度评价——“按照菲尔茨奖标准，任何一项都足以获奖”。
更具戏剧性的是，菲尔兹奖得主陶哲轩在2026年7月底的国际数学家大会（ICM）开幕演讲中警告：数学界正从"证明稀缺"走向"证明过剩"。他在演讲中展示了过去12个月AI在数学领域的指数级进展：去年下半年AI还在比拼奥赛分数；今年1月GPT模型相继解决两个Erdős难题（陶哲轩视作"AI数学能力的第一个真实里程碑"）；到8月，OpenAI与Anthropic的通用模型已展现出顶级数学家的能力。
而今年刚与邓煜、王虹一起获得菲尔兹奖的Jacob Tsimerman在获奖后不久就宣布加入OpenAI，理由是"两年内AI将在所有数学证明领域彻底超越人类"。
二、十道题里最炸裂的一项：非sofic群的"世纪难题"
在这10项突破中，第3项"非sofic群存在性构造"被公认为分量最重。加州理工一位数学博士的原话是：“这是菲尔兹奖级别的东西。”
2.1 什么是非sofic群问题？
1999年，阿贝尔奖得主Mikhail Gromov提出了"sofic群"这个概念。核心问题极其简洁：
所有可数群都是sofic的吗？换句话说，是否任何一个无限复杂的群，都可以用有限置换去逼近它的局部乘法表？
这个看似抽象的问题，牵动着sofic熵理论、动力系统遍历论和算子代数一整片数学版图。27年间无数顶尖数学家尝试构造反例（即证明存在"非sofic群"），全部折戟。正因如此，sofic群问题与"是否存在非阿米可群"、"von Neumann猜想"等问题并列为群论与算子代数交叉领域的核心悬案。
2.2 Astra的解题路径
根据OpenAI公布的推理记录，Astra的解题过程展现了"AI数学直觉"的雏形：
- 初始路径：从数学工具箱中尝试随机化网格论证（这是经典思路的一种推广）。
- 自我评估：通过中间步骤的逻辑一致性检查，模型判定该路径"走不通"。
- 策略转向：果断放弃，转向确定性的中位数论证。
- 核心构造：从二元Leavitt代数的单位群出发，将Kun-Thom扩展图理论与Thompson群V糅合在一起，逼出了决定性的矛盾——即sofic群假设下的一个"光滑逼近"性质，与该特殊构造群的代数结构发生根本性冲突。
曼彻斯特大学数学家Thomas Bloom评价：“这次突破比此前OpenAI证伪单位距离猜想更重要”。
2.3 这对数学家意味着什么？
非sofic群问题的解决不是"打补丁"——它意味着sofic熵理论的整个研究范式需要重写。27年来，sofic熵、sofic测度、sofic同态的研究都建立在"所有可数群都是sofic"的隐含假设之上。一旦反例出现，依赖该假设的数百篇论文需要重新审视。这也解释了为何Epoch AI的OpenMath评分系统将第3项单独评为"突破"（其他9项评为"重大进步"，"重大进步"已是该系统的最高一档常规评级）。
三、1982年菲尔兹奖得主的猜想被推翻：Connes刚性
第4项成果同样震撼：1982年菲尔兹奖得主Alain Connes提出的"刚性猜想"被Astra直接证伪。
Connes刚性猜想大致关注：某些群能否由其对应的冯·诺依曼代数唯一确定？换言之，是否能从冯·诺依曼代数的结构反推出群本身的信息？这是算子代数与群论交叉领域的核心问题。
Astra构造了一个具体的反例，证明这种"唯一性"并不总是成立。这意味着Connes刚性猜想方向上数十年的研究路径需要调整，整个相关领域的工作将围绕"什么条件下唯一性成立、什么条件下不成立"重新展开。
值得注意的是，Connes本人对此的评价尚未公开——这或许是OpenAI留给数学史的另一个悬念。
四、形式化验证：AI证明为何可信？
一个关键问题是：凭什么相信Astra的证明是对的？
答案在于Lean证明助手。OpenAI宣布，本次发布的全部10项证明完全通过Lean形式化工具完成机器验证——这意味着证明中的每一步推理都被Lean内核严格检查，不存在"看起来对、其实有错"的人类证明风险。
4.1 形式化验证的工作流
| 阶段 | 主体 | 任务 |
|---|---|---|
| 1. 开放问题分析 | Astra | 理解问题、分解子问题、规划证明路线 |
| 2. 证明草稿生成 | Astra | 生成Lean代码 + 自然语言论证 |
| 3. 形式化 | Astra | 将自然语言论证翻译为Lean tactic |
| 4. 验证与修复 | Lean + Astra | 检查每一步的正确性，修复类型错误 |
| 5. 论文整理 | 人类研究者 | 与Astra一起把证明整理为正式学术稿件 |
OpenAI特别强调：“所有数学论证完全归功于Astra，人类的工作是和模型一起把论证整理成规范的学术论文手稿”。这一表态背后是方法论上的根本性转变——“将完全由人工智能系统生成的证明归于人类作者，既歪曲了系统的贡献，也歪曲了真正人类智力劳动的本质”。
4.2 为什么形式化验证重要？
传统数学论文依赖"同行评审"——由2-3位审稿人通读证明，检查逻辑漏洞。但这种方式有局限：
- 审稿人难免遗漏细节
- 极复杂证明（如四色定理、有限单群分类）的验证成本极高
- AI生成的证明跳跃性大，人工审稿更不可靠
Lean形式化验证则将每一步推理机械化为可机器检查的代码。任何逻辑漏洞都会被Lean立即报错，无法通过最终验证。这从根本上解决了AI数学的"可信度问题"。
GitHub仓库 openai/ten-proofs 已开源全部10项证明的Lean代码，数学家可以本地复现、验证、扩展。
五、$2000算力：数学研究成本结构的颠覆
最让人震惊的成本数字是：Astra解决这10道题一共花了不到2000美元。
5.1 成本对比
| 维度 | 传统数学家 | Astra |
|---|---|---|
| 单个核心问题耗时 | 数年到数十年 | 几小时到几天 |
| 10题累计人力 | 10人数十年工作量 | 数天到数周 |
| 算力/工具成本 | 几乎为零 | 约$2000 |
| 错误率 | 中（依赖审稿人） | 极低（Lean保证） |
（数据来源：OpenAI官方公告，2026-08-01；算力成本按API Token计费估算）
这意味着数学研究的边际成本正在坍塌。过去一个数学家穷尽一生可能只能突破1-2个这样的难题；现在一次模型推理可以批量推进10个不同领域的开放问题。
5.2 陶哲轩的"证明过剩"警告
陶哲轩在ICM 2026的演讲中直言，数学界正从"证明稀缺"走向"证明过剩"。他描绘的图景是：
- 过去：数学家提出问题→苦苦思考→偶尔突破→被高度认可
- 现在：AI批量产生证明→人类需要筛选与理解→评价标准从"能不能证明"转向"该不该这样证明"、“证明揭示了什么”
这引出了一个根本性问题：当AI可以廉价地产生数学证明时，数学家的核心价值是什么？
陶哲轩的答案是：判断力、品味、问题提出能力、跨领域连接。AI擅长在已知范式内推进，但识别"哪些问题值得解决"、"哪些方向值得投入"仍需要人类数学家的远见。换言之，AI改变了数学的"生产函数"，但数学的"鉴赏家角色"反而更珍贵了。
六、Leopold Alpöge与雅可比猜想：Fable 5的"另一面"
8月1日Astra震撼发布的同一周，还有一件值得记录的事件：Claude Fable 5解决了1939年提出的雅可比猜想。
数论学家Leopold Alpöge（现供职于Anthropic，此前是哈佛Society of Fellows的初级研究员）在世界杯决赛当晚，用Claude Fable 5找到了一个仅216个字符的三变量多项式反例，推翻了悬置87年的雅可比猜想。该问题曾被1998年菲尔兹奖得主Stephen Smale列入"下世纪18个数学问题"，与黎曼猜想、庞加莱猜想、P=NP问题并列。
雅可比猜想的解决意味着：Fable 5 + Alpöge的组合，在特定问题上的能力已经接近"菲尔兹奖级数学家"。如果说Astra是"批量化、跨领域的数学自动化"，Fable 5 + Alpöge则展示了"AI + 人类数学家深度协作"的另一种范式。
七、9个其他成果速览
除第3、第4项外，其余8项成果也分量十足：
| 编号 | 成果要点 | 应用价值 |
|---|---|---|
| 1 | 高维球体堆积新上界（逼近Cohn-Elkies阈值） | 信息论/编码/球填充 |
| 2 | 二元码最大规模下界指数级改进 | 通信/存储/纠错码 |
| 5 | 算术电路下界 | 计算复杂性 |
| 6 | 适用于一般双人量子博弈的指数级并行重复定理 | 量子密码协议设计 |
| 7 | 最近向量问题在多项式近似因子下的计算困难性 | 后量子密码学安全性（NIST PQC标准制定参考） |
| 8 | 任意维度下凸体最大体积确定 | 凸几何 |
| 9 | 多色三角形Ramsey数超指数级下界 | 图论/网络科学 |
| 10 | 极值图论紧致性/退化性猜想 | 组合学/算法图论 |
第7项对AI安全有特殊意义：格密码学是后量子密码学的核心支柱，而其安全性假设建立在"最近向量问题在多项式近似因子下是计算困难的"之上。Astra的证明部分确认了该假设的正确性——这为NIST PQC标准（2024年已发布初版）的长期可靠性提供了新的理论支撑。
八、Astra的能力定位：它到底"会什么"？
将Astra的10项成果与此前AI数学能力对比，可以看出三代飞跃：
| 时代 | 代表系统 | 能力边界 | 典型问题 |
|---|---|---|---|
| 2024 | GPT-4o / Claude 3 | 奥数竞赛级别 | IMO级别（与人类金牌相当） |
| 2025 H1 | o3 / Fable 4 | 简单开放问题 | Erdős基础问题（单题、单领域） |
| 2025 H2 - 2026 H1 | Fable 5 + Alpöge | 经典猜想 | 雅可比猜想（单题、需人类深度协作） |
| 2026 H2 | Astra | 批量跨领域开放问题 | 10题/8领域/菲尔兹奖级 |
Astra的关键能力跃升体现在三点：
- 多领域泛化：同一模型在8个不同数学子领域同时取得突破，无明显短板
- 长链推理：单道题的证明可达数百个Lean tactic步骤，需要在多日跨度内保持逻辑一致性
- 自我纠错：在解题过程中识别"此路不通"并切换策略（如非sofic群问题中的网格论证→中位数论证）
这背后是模型架构、训练数据、推理时计算的综合升级。OpenAI尚未公开Astra的具体技术细节，但根据其能力的"跨域"与"长链"特征，推测其采用了"大推理模型 + 长程记忆 + 多阶段验证"的复合架构。
九、ChatGPT for Academic Researchers：免费的数学AI
就在Astra成果发布两天前，OpenAI还启动了"ChatGPT for Academic Researchers"计划——为10万名科学家和数学家免费提供最前沿模型的访问权限，总投入达2.5亿美元。
这一举措的战略意图清晰：
- 抢占学术生态：让数学家习惯在Astra上工作，建立生态壁垒
- 数据飞轮：数学家的使用反馈将持续改进模型
- 监管公关：配合Astra成果发布，向监管机构展示"AI用于科学研究的可控性"
OpenAI试图让Astra成为数学家的"默认工作台"，就像GitHub Copilot成为程序员的默认工作台一样。
十、隐忧与争议：AI数学的"信任问题"
尽管Astra的突破令人振奋，学术界仍存在三大隐忧：
10.1 验证成本的转移
形式化验证虽解决了"证明正确性"问题，但带来了新挑战：谁来审查Lean代码本身？Lean代码的可读性远低于自然语言证明，传统数学家难以审查。这导致**"形式化证明"反而可能比"自然语言证明"更难被学界接受**——除非AI同时输出易于理解的人类语言版本。
10.2 第一性问题
当AI可以批量产生证明时，“问题是否值得被证明"比"证明本身"更重要。但这恰恰是AI最薄弱的领域——AI擅长在已知范式内推进，但识别"突破性方向"仍需要人类数学家的远见。如果AI只解决"容易的开放问题”，数学进展将趋于"内卷"。
10.3 同质化风险
如果所有数学家都依赖同一AI系统，可能导致证明风格、证明策略的同质化——某一种AI擅长的"套路"会主导整个领域的证明风格，而其他可能更优雅、更具洞察力的路径被忽视。这类似于"算法推荐导致信息茧房"在数学界的体现。
10.4 学术评价体系失灵
同行评审机制建立在"小同行能读懂并评估证明"的前提上。当AI的证明超出人类审稿人的理解能力时，谁有权决定"接受"或"拒绝"一项证明？这个问题在2026年8月1日之前还是理论问题，今天已经是实践问题。
十一、对开发者与企业的启示
虽然Astra的数学能力是"前沿研究"层面的，但对开发者与企业有以下实操启示：
11.1 LLM推理能力的代际跃迁
Astra代表的是下一代LLM的能力上限。即使今天的GPT-5.6 Sol还无法批量做数学证明，Astra的能力会逐步下放到旗舰模型。开发者应当：
- 关注OpenAI的"GPT-6 vs GPT-5.7"命名博弈——一旦确定，将影响API定价与能力边界
- 提前为"AI可以解决复杂专业问题"做准备，重新评估哪些业务流程可以被AI替代
11.2 形式化验证工具的普及
Lean等证明助手的崛起，意味着"形式化"将从数学界走向更广泛的领域：
- 法律合同：形式化合同条款的逻辑一致性
- 金融衍生品：形式化定价模型的边界条件
- AI安全规约：形式化"AI不能做什么"的红线
- 硬件验证：形式化芯片设计的功能正确性
企业应当开始评估形式化验证工具的可用性，特别是涉及"高风险决策"的领域。
11.3 学术研究服务的商业机会
当AI可以廉价做数学研究时，学术研究服务的商业模式将发生根本变化：
- 传统模式：研究机构雇佣博士→博士做研究→发表论文→获得声誉
- 未来模式：研究机构订阅AI+人类专家协作服务→批量产出研究成果→声誉评价从"论文数量"转向"洞察深度"
十二、FAQ
Q1：Astra与GPT-5.6 Sol是什么关系？
A：Astra是OpenAI尚未正式发布的下一代模型内部代号，能力远超当前的GPT-5.6 Sol系列。从命名上看，“Astra"在拉丁语中意为"星辰”，呼应了OpenAI已有的Sol（太阳）、Terra（地球）、Luna（月亮）三款GPT-5.6系列模型。Astra的正式命名可能为GPT-6，也可能为GPT-5.7（取决于能力跃升是否达到"代际变化"的标准）。
Q2：Astra的10项成果是否可信？
A：可信度较高，但需要时间检验。OpenAI已经开源了全部10项证明的Lean形式化代码，理论上可由任何数学家本地复现。但Lean代码的正确性 ≠ 问题的正确解读——Lean只能验证"如果你接受了问题的形式化方式，那么证明的逻辑链是完整的"，但"问题是否被正确理解、证明是否回答了真正想问的问题"仍需人类专家的判断。预计未来6-12个月将出现大量独立验证工作。
Q3：2000美元算力是否包含了训练成本？
A：不包含。2000美元仅指Astra完成10项证明时的推理（inference）算力成本。训练Astra的总成本是另一个数量级（推测在数千万到数亿美元之间），但这一成本已经在Astra发布前一次性投入。对使用者而言，只需关心推理成本——这是AI数学革命的真正颠覆性所在。
Q4：数学家会被AI取代吗？
A：短期内不会，中期看类型。短期内，AI擅长的是"已知范式内的批量推进"，而人类数学家擅长的是"问题识别、品味判断、跨领域连接"。中期看，"解题数学家"的工作价值将大幅下降，而"选题数学家"和"鉴赏数学家"的价值将上升。长期（10年以上）看，如果AI能学会"识别值得解决的新问题"，数学家的核心价值将受到根本性挑战——但那一天尚未到来。
Q5：为什么Astra选择公开10项成果而不是只发最重要的非sofic群？
A：战略考虑。单独发布非sofic群构造可能被视为"个案突破"，而批量发布10项不同领域的成果能够展示Astra的跨领域泛化能力——这才是"下一代模型"区别于"单一专项系统"的核心卖点。同时，10项成果覆盖8个不同领域，任何领域的数学家都能从Astra的工作中找到自己关心的方向，最大化传播效果。
Q6：Anthropic对此有何反应？
A：截至8月3日，Anthropic官方尚未正式回应Astra的发布。但Anthropic旗下的Claude Fable 5在同一周解决了雅可比猜想（Leopold Alpöge领导），这一"竞争性成果"可能被视为对Astra的某种"对冲"——证明OpenAI与Anthropic在AI for Math赛道上处于双雄并立状态。
Q7：国内大模型在AI数学方向进展如何？
A：截至8月3日，国内尚未有模型在AI for Math赛道上达到Astra的"批量解决开放问题"水平。Kimi K3在数学奥赛层面表现优异（GPQA Diamond 93.5%为开源最佳），但其数学能力主要体现在"已知题型的高分"，而非"独立识别与解决开放问题"。DeepSeek的R1系列在推理深度上有优势，但同样未见大规模数学开放问题突破。AI for Math赛道上，中国大模型仍处于追赶状态。
参考资料
- OpenAI, “Ten advances in mathematics by Astra”, 2026-08-01. https://openai.com/index/ten-advances-in-mathematics/
- OpenAI, “Ten Proofs Paper (249 pages)”, 2026-08-01. https://cdn.openai.com/pdf/ten-proofs-oai.pdf
- GitHub openai/ten-proofs, “Lean Formal Proofs”, 2026-08-01. https://github.com/openai/ten-proofs
- Thomas Bloom (Manchester), “Astra results in mathematics”, 2026-08-01.
- 量子位/公众号QbitAI, “OpenAI新模型连破10道数学难题，2000美元把数学变成了点击游戏”, 2026-08-02.
- 钛媒体, “OpenAI Astra一口气攻克10道数学难题，数学家们开始慌了”, 2026-08-01.
- 凤凰网科技, “OpenAI下一代AI攻克10项菲尔兹奖级难题”, 2026-08-02.
- 新皮层周报, “数学从「王的猜想」到「AI的证明」”, 2026-08-01.
- Epoch AI OpenMath评分系统, “Astra Assessment”, 2026-08-01.
- 陶哲轩ICM 2026演讲, “From Proof Scarcity to Proof Abundance”, 2026-07-28.
- 腾讯研究院AI速递 20260803, 2026-08-03.
- The Information, “Exclusive: OpenAI Previews ‘Astra’ AI Model”, 2026-08-01.
- WSJ, “OpenAI Surpasses One Billion Users After Cutting Prices”, 2026-08-01.
