一句话看懂：一位学者使用类似此前 OpenAI 攻克 Cycle Double Cover 猜想的方式，让 GPT-5.6 Sol Pro 在单个 148 分钟会话内，用一个提示词完成了一个自 1996 年以来悬而未决的凸优化问题证明，且该证明已在 Lean 验证工具中通过形式化验证。
事件核心：发生了什么
2025 年 5 月，一位拥有应用数学博士学位的 UC Berkeley 教授在数学社区发帖称，他通过模仿 OpenAI 之前用于证明 Cycle Double Cover 猜想的提示词模式，向 GPT-5.6 Sol Pro 提交了一个关于凸优化复杂度间隙的问题。模型在 148 分钟内生成了完整的证明，填补了该领域自 1996 年以来的理论空白。作者已将结果以预印本形式公开，并在 Lean 中完成了形式化验证。该结果尚未经过同行评审。
为什么重要
这一进展的意义在于两点。第一，它再次展示了大型语言模型在专业数学研究中的潜力——不是生成低质量推算，而是能在关键理论问题上取得实质突破。第二，区别于通常需要大量人类引导的“辅助证明”范式，这次仅靠单一提示词就完成了完整的推理链，并且得到了自动定理证明工具的形式化确认，这在 AI 辅助科学研究中是一次显著的能力跃迁。这也暗示，大模型在解决特定类型的“有限搜索空间+清晰理论框架”的数学问题时，可能已经具备超越海量人类专家协作的效率。
对用户/开发者/创作者的影响
对数学、运筹学、理论计算机科学领域的研究者而言，这意味着一个可被验证的、由 AI 直接生成的证明工作流正在成为现实。未来，他们或许可以将长期未解的猜想直接输入给模型，并借助 Lean 等工具自动验证，从而大幅缩短理论突破的周期。对 AI 开发者和平台方而言，这一结果进一步凸显了“推理能力”而非单纯“记忆语料”对于高端科研场景的价值，表明模型在数学证明上的应用可能比许多人预想得更快落地。对于普通用户，目前影响有限，但长远来看，大模型解决复杂逻辑问题的能力提升，可能间接推动更强大的优化算法在物流、金融、能源调度等领域的商业化应用。
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
第一，该证明能否通过正式的数学期刊同行评审，会是检验其结果可靠性的关键节点。第二，OpenAI 是否会因此加快推出类似“科学推理”功能的 API 或者专属模型版本，值得关注。第三，其他 AI 公司（如 Google DeepMind、Anthropic）是否会在形式化验证和数学证明领域做出类似的公开成果，将决定这一能力是否会被快速商品化。
