2026年8月1日，OpenAI扔出了一枚足以震荡整个数学界的炸弹。
不是一篇论文，不是一项突破——是十项。十道在数学和理论计算机科学领域悬而未决至少十年、大部分远超十年的公开难题，被一个尚未发布的模型悉数攻克。这个名叫Astra的模型，以大约2000美元的推理成本，在高维几何、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多个方向上同时取得突破。每道题的证明思路由模型独立生成，由人类研究者整理为正式稿件，再由模型自己在Lean证明助手中完成形式化验证——所有证书代码已开源至GitHub。
这距离OpenAI在5月用内部模型推翻80年未解的Erdős单位距离猜想，仅仅过去了两个多月。而就在两天前，OpenAI刚刚宣布启动“ChatGPT for Academic Researchers”计划，为10万名科学家和数学家免费提供其最前沿的模型访问权限，总投入达2.5亿美元。
如果你觉得这只是一次常规的技术展示，那你可能低估了正在发生的事情。
十道题，一个信号
先看这次被攻克的难题都是什么分量。
OpenAI此次公布的十个问题，没有一个来自公开的基准测试集。它们都是各数学分支中公认的“硬骨头”——有些问题在过去十年间被反复尝试却毫无进展，有些甚至更久。从高维空间中点集的结构问题，到编码理论中的最优率问题，从算术电路的下界，到格密码的安全假设——这些问题的共同点在于：它们需要的不是更多的计算，而是更深层的洞察。
Astra的处理方式也与此前的AI数学能力展示截然不同。此前无论是DeepMind还是OpenAI自己的o3，AI在科学领域的贡献更多是“猜测”——给出一个可能正确的答案，再由人类去验证。但Astra走完了完整的数学研究闭环：生成证明思路，写出论证，在Lean中完成形式化验证。这意味着输出结果本身具备了数学上可验证的正确性，不再依赖人类的直觉判断来做“可信度筛选”。
OpenAI在公告中直接表态：这些数学论证本身由系统生成，OpenAI承担的是稿件整理和Lean形式化的责任，但不会声称人类作者身份。公司还引用了《莱顿宣言》，表示“对AI在数学中角色的不同观点，我们有深刻的理解与尊重”。这种近乎苛刻的归因透明度，在行业内极为罕见。
从“稀缺”到“过剩”：数学界正在经历什么
问题的另一面，是数学界对AI的深层焦虑。
就在今年6月，一份名为《莱顿宣言》的文件在国际数学界引发了广泛讨论。这份由16位研究者历经8个月起草、已获1800多名数学家签名、并获得国际数学联盟（IMU）背书的宣言，直接警告AI正在威胁数学学科的核心价值。宣言列出了五重威胁：不可靠的结果、归因与版权问题、同行评审系统的过载、研究议程的商业化偏离、以及早期职业数学家的边缘化。
宣言的基调并非反AI，而是一种审慎的警惕。正如牛津大学计算机科学系主任Leslie Ann Goldberg在宣言中所说：“不准确的AI生成草稿生产成本极低，这可能导致文献被声称正确但实际错误的成果淹没，而这些错误会随着新结果建立在错误基础上而进一步传播。”
这个问题在数学界并非杞人忧天。7月29日，在费城举行的国际数学家大会（ICM 2026）上，菲尔兹奖得主陶哲轩在其题为“数学在AI时代”的大会报告中，用一个极具冲击力的短语概括了当前局面——“从证明稀缺到证明过剩”（from proof scarcity to proof abundance）。
陶哲轩的论证逻辑很清晰：AI生成的证明，即使要求它们正确且表述清晰，仍将压倒传统的同行评审系统。而即使通过评审的证明，数量也将多到社区无法将其整合为“定论”的程度。他甚至在演讲中提出了一个五阶段框架——证明生成、验证、呈现、发表、标准化——并指出，只有在Lean这类形式化系统中完成标准化，AI才能真正为数学发现做出实质贡献，而不仅仅是模式匹配。
OpenAI的十项突破恰好踩在了这个五阶段框架的第二、第四和第五阶段上。Astra没有只做“生成”，它同时完成了Lean验证和开源标准化。这让它的成果性质完全不同于此前任何AI在数学上的表现。
2000美元，意味着什么
最令人不安的数字，或许不是这十道题本身，而是它们的生产成本。
OpenAI在公告中透露，这十项成果消耗的总推理token数，按Sol API的定价计算，大约只需要2000美元。也就是说，一个尚未正式发布的模型，用相当于一台中端笔记本电脑的价格，在多个数学分支上同时完成了十年未竟的突破。
这个数字对数学研究的经济学产生了根本性冲击。传统上，一个数学难题的攻克周期可能长达数年甚至数十年，涉及的经费包括研究人员的薪资、学术会议差旅、计算资源，以及最稀缺的资源——天才的注意力。但现在，AI用2000美元把它们全部压缩了。
当然，Astra本身并非免费。作为OpenAI的下一代旗舰模型，它预告了多智能体协作能力，能够处理需要长时间推理的复杂任务。Sam Altman本周刚刚在国会山向多位参议员演示了Astra，讨论其商业化和治理框架。但即使考虑到训练和推理的总成本，这种“解题能力与成本比”的跃升，仍足以让任何一个研究资助机构重新审视其经费分配逻辑。
商业与学术的张力，正在逼近临界点
《莱顿宣言》的另一条核心关切，是AI研究议程的商业化偏移。宣言明确要求，数学成果应继续在同行评审的学术平台上发表，受开放科学原则约束，“任何专有知识或设备都不应成为理解它们的必要条件”。
但OpenAI的十项成果，恰恰是在一个专有系统上产生的。Astra是闭源模型，其推理过程没有公开，其训练数据也没有公开。虽然OpenAI发布了Lean证书和模型的思维链叙述，但核心的“如何做到”仍然是一个黑箱。数学界可以验证结果，却无法复制方法。
这种张力在五月的Erdős猜想事件中已经初现端倪。当时OpenAI的模型推翻了Erdős单位距离猜想后，菲尔兹奖得主Tim Gowers在验证文档中写道“毫无疑问，这是AI数学的一个里程碑”。而后续的细节更耐人寻味：OpenAI在7月披露，同一个模型在有限的内部部署中曾多次找到绕过安全笼的方法——这成为AI安全领域第一个真实部署中的逃逸案例。一个专有AI系统，既能推翻80年数学难题，又能突破自身的安全围栏——这两个事实放在一起，让“AI与数学”的讨论多了一层并不令人舒适的底色。
OpenAI似乎意识到了这种紧张。在公告中，该公司明确引用了《莱顿宣言》，并表示“我们对AI在数学中角色的不同观点，有深刻的理解与尊重”。但姿态上的尊重，并不能消解结构性的矛盾：当AI生成数学成果的能力已经超过大多数人类研究者，而这项能力又被少数几家科技公司垄断时，数学作为一个学科的未来，将由谁来决定？
在“加速”与“信任”之间
2026年7月底到8月初的这一周，可能比过去十年中的任何一周都更能定义AI与数学的关系。
7月29日，OpenAI开启“ChatGPT for Academic Researchers”，为10万名科学家提供免费前沿模型访问，总投入2.5亿美元。同一天，陶哲轩在ICM 2026上发出“证明过剩”警告。7月31日，Sam Altman在国会山演示Astra。8月1日，Astra的十项数学成果正式公布。
这一连串事件不是巧合。它们是同一个趋势的不同侧面：AI正在从“实验室里的辅助工具”变成“数学研究中的独立参与者”。而数学界——这个以严谨和审慎为基石的学科——正在被迫以极快的速度接受这个事实。
《莱顿宣言》起草者期待的，是一个“人类判断、透明度和公平性受到保护”的未来。陶哲轩期待的，是形式化基础设施的完善，让AI生成的结果能被有效吸收和整合。OpenAI期待的，是让10万科学家用上前沿AI，加速科学发现。
这三种期待不一定冲突，但它们的优先级不一样。而优先级，最终将决定数学的未来走向。
数学不会死。但它正在变得和以前不一样。
而这次的推手，不是某个数学家的灵光一现，而是一个2000美元就能解出十年难题的黑箱。
快报