一句话看懂：AI 模型开始直接否证数学家几十年未解的猜想，从”辅助工具”变成了”解题伙伴”，数学界正在分裂为拥抱派和警惕派——真正的冲突不是 AI 能不能做数学，而是人还要不要做数学。
事件核心：发生了什么
2026 年 5 月，OpenAI 公开了”单位距离猜想”（Unit Distance Conjecture）的反例，否证了这个自 1946 年以来悬而未决的几何图论猜想，也是与匈牙利数学家 Paul Erdős 相关的数百个开放问题之一。一周后，人类研究者改编了这次使用的核心证明技巧，又否证了另一个主要猜想。随后，Epoch AI 的”FrontierMath: Open Problems”基准测试迎来第二次解出答案，OpenAI 的 Astra 模型发布时也展示了十个难度不等的数学解决方案。数学家反应强烈分化：伦敦玛丽女王大学教授 Abhishek Saha 称目前前沿 AI 已相当于”一个扎实且不知疲倦的博士生”，他用 GPT-5.5 Pro 做了一天日常研究工作，工作量顶得上以前几周；而菲尔兹奖得主 Timothy Gowers 在博客中承认，GPT-5.6 Pro 两次在他已经投入大量时间的问题上一次性解决，”脚下的毯子被抽走的感觉非常奇怪，也不太愉快”。
为什么重要
这不是 AI 在固定体裁里”做题”，而是模型能发现人类直觉难以触及的反例和结构，并由此推动后续人类研究。数学界几十年来把”证明”当作人类抽象思维的最后堡垒，现在这个堡垒出现了裂痕。更值得关注的是领域内部的路线之争：一部分人把 AI 当作效率工具，另一部分人则担心未来一二十年内数学文献会急剧膨胀，却不再有真正理解它的人类社区。超过 3000 名数学家签署了由国际数学联合会支持的《莱顿人工智能与数学宣言》，要求研究中使用 AI 时保持透明、保护作者权利、由人类对结论负责，这说明学术游戏规则本身正在被改写。
对用户/开发者/创作者的影响
对科研工具的使用者来说，卡内基梅隆大学团队展示了一条可复用的路径：用 SAT 求解器处理逻辑搜索、用大模型生成代码、再用形式化验证兜底，最终解决了 Ramsey 理论中的开放问题。这套”机器搜索＋模型生成＋形式化证明”的组合方法论，完全可以迁移到其他需要严格验证的工程场景。对开发者而言，这意味着推理模型的 API 能力不再是聊天级别，而是可以承担”找反例、做证明草稿”的实活；对依赖数学训练出来的教育者和内容创作者来说，一个需要面对的问题是：当 AI 能快速产出证明，学习者还要不要花几年去建立深度直觉。
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，OpenAI Astra 模型演示的”十个不同难度的解法”仍以实验室自证为主，第三方独立复现是下一步看点。
Leiden 宣言的签署规模已超过 3000 人，接下来要观察主要数学期刊是否会出台强制性的 AI 使用披露要求，这也将直接倒逼 AI 辅助科研的合规标准。
至于 Gowers 最担心的”数学文化被摧毁”，短期内无法验证，但可以留意是否会有更多数学家像 Saha 一样公开转向”指挥者”角色——这将是行业心态变化的真实风向标。
