OpenAI一口气放出700多份数学手稿，数学家为何震惊又失落

一句话看懂：OpenAI 于 2026 年 10 月 6 日一次性发布 700 多份声称解决数百个未解数学问题的稿件，数学家们反应复杂：有人被结果震撼，也有人对研究方式被冲击感到失落。

事件核心：发生了什么

2026 年 10 月 6 日，OpenAI 将 700 多份数学手稿上传至 GitHub，声称覆盖数百个未解问题。这是自 2026 年中以来一系列动作的延续，此前已有 Unit Distance Conjecture、Navier-Stokes 以及 Astra 模型发布时展示的十项解答。数学博客 Proofs and Prompts 随后收集了 100 多位研究者的回应。

结果尚未经过同行评审，部分论文已被撤回，也有论文因可读性差受到批评。菲尔兹奖得主 Peter Scholze 呼吁耐心，称数学是马拉松而非短跑，目标始终是人的理解；他还警告这类系统可能找到破解广泛使用加密的方法。Terence Tao 表示，AI 生成的证明中“包含巧妙的新想法，消化后会有成果”，但也因缺少可以讨论、演讲和教学的人而“深感沮丧”。Alvaro Lozano-Robledo 称这可能是有史以来最重要的数学日，同时指出 OpenAI 瞄准黎曼猜想只得到较弱变体。Ben Green 称结果“绝对令人震惊”，称其解决了自己 2026 年 6 月获得的欧洲资助中约四分之三的研究目标。

为什么重要

此事之所以关键，不在于某条定理是否成立，而在于它把大模型从“做题工具”推向了“批量产出研究级猜想”的位置。如果公开信息中的声明后续被验证，AI 将首次在数学这一高度依赖人类直觉与积累的领域，展示出系统性的问题选择与解法生成能力。但也要看到，目前公开信息显示这些手稿尚未经同行评审，部分已被撤回，因此不能视为已确认的数学成果。更重要的是，多位数学家的反应集中在对研究生态的冲击：模型可以批量覆盖问题，但缺少能讲解、能教学、能承接的社区环节。Johannes Schmitt 认为，这些论文更像是 OpenAI 改善模型的副产品，而非以推进数学为首要目标。

对用户/开发者/创作者的影响

对开发者和 AI 应用团队来说，短期可观察的是推理能力基准的变化。如果模型能在未解数学问题上批量产出可读解法，那么依赖复杂推理的 API 场景，如代码生成、形式验证、科研辅助，可能获得更强的底层能力。但目前公开信息仅来自 GitHub 手稿和社区评论，没有可用的官方产品功能、价格或 API 更新。对内容创作者和科研工作者而言，更现实的影响是信息过载：大量未经评审的手稿涌入，需要新的筛选和验证工具。加密从业者则应关注 Scholze 的警告，尽管目前只是可能性，不是已证实的能力。