一句话看懂：25 位菲尔兹奖得主联名发公开信，指控 AI 实验室用大模型抢解著名数学难题、破坏署名与同行评议规则；同期纽约大学教授指责 OpenAI 施压其不要给竞争对手 Anthropic 的研究者署名，OpenAI 则撤回了对加州理工一场数学活动的赞助。
事件核心：发生了什么
据 TechCrunch AI 报道，25 位菲尔兹奖得主签署公开信，认为 AI 实验室为在解出著名数学难题上互相压过对方，正在威胁数学家的智力劳动。信中指出，这类证明往往仓促发布，既没有时间做完整撰写、提炼新方法，也没有充分引用前人的相关工作，由此带来严重的署名与抄袭争议；公开信息显示，OpenAI 的那份证明目前仍未得到验证。
本周，纽约大学教授 Tristan Buckmaster 指控 OpenAI 施压他，要求他不要为一位在 Anthropic 工作的合作者署名——此人参与解决了一个重要数学问题；他还怀疑该公司是否借 Codex 上的相关工作，在一个长周末的推理中产出了自己的突破性证明。周四，在遭到加州理工研究人员批评后，OpenAI 撤回了对该校一场数学活动的赞助。此前 6 月，数学家工作组已发布《莱顿宣言》，讨论 LLM 证明将如何改变他们的工作。
为什么重要
这起争议的核心不是“AI 能不能做数学”，而是 AI 做数学的方式正在冲击学术共同体的基本规则：署名、引用、验证和开放讨论。公开信作者认为，AI 解出的结果只有在数学界乃至更广范围能够理解、传播时，才真正对人类有益；如果缺少愿意投入的数学家去发展、整合这些想法，AI 提出的概念无法进入数学经典，人与人之间的知识传递链也会断裂。更现实的担忧是竞争失衡：前沿实验室一旦看到某条有希望的路径，可以花数千万美元用大模型抢先完成证明，这会反向激励研究者保密，侵蚀开放研究文化。
对用户/开发者/创作者的影响
对开发者而言，Codex 等代码与推理工具的调用记录、数据是否被用于训练下一代模型，会直接影响企业采购与合规判断；在敏感研发场景中，团队可能更倾向于本地部署、闭源或可审计的方案，而不是把核心思路交给外部 API。对内容与科研创作者来说，这封公开信给出了一个可复用的判断框架：价值不只在最终产出和署名归属，还在于支撑学生培养、提出新问题、把成果接入人类知识体系的“工作周边”。换句话说，当 AI 压缩了产出周期，如何记录贡献、保留过程、标注来源，会成为跨行业的通用要求。
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
一是 OpenAI 那份数学证明能否通过同行验证，以及 Codex 相关数据的使用边界是否会公开说明；二是加州理工等机构与 AI 公司的赞助、合作模式是否会收紧；三是《莱顿宣言》提出的建议是否被高校、期刊和资助机构采纳为署名与引用规范。公开信还提醒，数学界当下遇到的问题，其他科研与创意行业可能同样要面对。
