一句话看懂：OpenAI 的 GPT-6 Astra 在 ulam.ai 的 ErdosBench 开放数学难题基准上拿下第一，但首席科学家 Jakub Pachocki 明确表示，公司并未把数学能力作为优化重点，这是资源投向递归自我改进（RSI）和自动对齐研究后的副产品。这为”AI 能力是全面还是尖锐分化”的争论提供了一个来自头部实验室的证据。
事件核心：发生了什么
2026 年 9 月，OpenAI 发布 GPT-6 Astra。在覆盖 226 道受 Erdős 问题启发的开放数学难题基准 ErdosBench 上，Astra 得分为 3.23，共解决 106 道题，其中 43 道完全解出，另有 27 道被它证伪。相比此前最高推理档位的 Sol（解决 78 道），Astra 在科学写作上更强，也更少夸大结论，部分场景甚至低估了自己的结果。基准开发者 Przemek Chojecki 称其在多项数学研究技能上约带来 5%–10% 的稳定提升。目前 Fable 5.1 以 3.25 分反超登顶，但 Astra 解出的题目总数仍是最多的。
关键点在于，OpenAI 首席科学家 Jakub Pachocki 在文章《An Alien Mind》中写道，公司本可以通过额外投入让模型在数学研究上更强，但由于对 RSI 和自动对齐研究的紧迫感，并未把这一方向列为优先项。也就是说，当前最强的数学表现之一，并非定向优化的结果。
为什么重要
这说明即便是头部实验室，也无法在所有能力方向上同时拉满。资源投向哪里，能力就在哪里增长；把权重押在 RSI 上，数学能力就只能作为副产品出现。剑桥研究者 Adam Hunt 曾用两条路径对比这一趋势：一条是”主流 AGI”式的渐进全面进步，另一条是能力越来越”尖刺化”——在编码、数学等领域极强，但在语言质量、常识或社交推理上停滞甚至倒退。目前公开信息显示，Pachocki 的表态更接近后者。这也意味着大模型的能力边界正在被商业和战略优先级重新切割，而不只是靠训练规模自然外溢。
对用户/开发者/创作者的影响
对开发者而言，ErdosBench 这类基准的高分并不等于通用数学 API 能力同步提升，选型时需要按具体任务做验证，而不是只看榜单排名。对数学研究者，Astra 这类工具已经能参与证明与反证，但核心难点转移到”判断哪些结果真正有价值”上。对创作者和企业采购方，需要意识到模型的能力是分方向的：在数学、推理上游表现强，不代表在写作、常识、多轮对话等场景同样领先。
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 是否会将内部更强的数学模型对外开放，以及以何种形式（API、产品功能还是闭源保留）。二是 Fable 5.1 与 Astra 的排名拉锯是否会推动新一轮基准更新，尤其 ErdosBench 尚未饱和。三是 RSI 与自动对齐研究的进展如何反过来影响数学等具体领域的能力曲线，这决定”尖刺化”是短期现象还是长期趋势。
