一句话看懂：Anthropic 的内部模型借助 prove2.me 平台，在 Lean 证明助手中完成了费马大定理（FLT）的完整机器形式化证明，耗时仅 11 天，补上了存在 20 年之久的百大形式化挑战清单的最后一块拼图。
事件核心：发生了什么
据数学家 Kevin Buzzard 在个人博客中透露，Anthropic 的一个内部模型使用 prove2.me 平台，已于近期在 Lean 中完成了费马大定理的端到端形式化证明。该消息先由伦敦伊斯灵顿一家咖啡馆在 Instagram 上泄露，一小时后 Anthropic 正式官宣。Buzzard 本人亲自编译了这套代码库并运行验证工具，确认仓库代码无误。整个证明体量超过 1340 万行代码，在 96 核机器上编译耗时约为 Lean 数学库的 20 倍。
需要指出的是，这一证明并未采用 Buzzard 正在形式化的现代证明路径（基于 Khare-Taylor 等人的工作），而是沿用了 Darmon–Diamond–Taylor 在 1995 年对 Wiles-Taylor-Wiles 论证的经典阐述，并涉及 Fontaine 理论、Mazur Eisenstein 理想等大量前置数学开发。该证明仅覆盖素数指数大于某个阈值的部分情形，但加上此前学界对奇正则素数的既有形式化结果，整体覆盖已无缺口。
为什么重要
这件事的核心意义不在数学本身——Buzzard 明确表示，这一证明在数学上“几乎没有告诉我们任何新东西”，学界本就对 FLT 的正确性有极高信心。真正的看点在于“自动形式化”能力：数千页的数学文献能够由 AI 在 11 天内完整转化成机器可验证的证明代码，这刷新了外界对形式化工具与 AI 结合边界的认知。Lean 这类形式化系统过去主要靠人类专家逐行编写，而此次全流程自动化，意味着机器已经具备将复杂推理链条端到端落地为严格证明的能力，这对未来数学研究、论文评审机制乃至整个科学文献可验证性都有深远影响。
对用户/开发者/创作者的影响
对自然语言处理与 AI 应用开发者而言，这提供了一个典型示范：大模型不再只能做文本生成，而是能在形式化推理环境中产出高精度、可编译、可验证的代码结果，这为编程辅助、定理证明助手、数学教育工具等应用打开了新空间。对于依赖 Lean 等证明助手的学术用户，该仓库中大量关于现代数论基础对象的定义和引理，可能反哺开源数学库建设，尽管 Anthropic 是否会向 Lean 主库提交 pull request 目前仍属未知。需要留意的是，整套训练与算力成本并未披露，Buzzard 调侃自己 5 年 100 万英镑的 EPSRC 项目经费与 Anthropic 的投入不可同日而语，这也提示企业与研究机构在评估类似项目时需正视大模型形式化任务的算力消耗。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，Anthropic 是否会将这一内部模型或其方法对外提供尚不明确，外界无从得知其训练细节与部署门槛。后续可从三个角度跟踪：其一，该代码库是否会向 Lean 数学库上游回馈基础性数论成果，这将决定学术社群能否真正从这一工作中持续受益；其二，Buzzard 承诺构建的“人类可读的动态证明文档”是否会在其 EPSRC 项目框架下继续推进，从而帮助数学界理解现代证明路径而非仅仅验证结论；其三，autoformalization 能力是否会被快速应用到其他未决猜想或大范围文献核查中，若得以普及，数学论文评审模式与“专家内部知识”的引用习惯都可能面临调整。
来源：Hacker News
