OpenAI开源前沿模型数学结果AI做科研,从”答题“变成“交论文”

发生了什么：一个开源仓库，一次发布治理

不是又一篇「模型屠榜」通稿，而是一批可打开、可质疑、可形式化的研究产物。

OpenAI 公开了仓库 github.com/openai/math（2026 年 10 月 6 日创建，Apache-2.0）。仓库里不是 benchmark 榜单，而是由内部前沿模型产出的数学手稿及配套证明材料。

更值得注意的是发布方式：OpenAI 表示，在公开前咨询了高等研究院（Institute for Advanced Study）数学与人工智能独立顾问小组，并参考该小组建议与公开推荐来决定如何发布。Greg Brockman 转发此事时称，这朝「加速科学发现、改善每个人生活质量」的方向迈进了一步。

读这类新闻，我习惯先问三件事：交付物是什么？验收机制是什么？发布者自己承认了哪些风险？这次三问都有答案——这比「AI 解决了世纪难题」的标题党重要得多。

这次真正的新东西，不是模型又多聪明，而是AI 科研产物第一次按公开仓库的标准被交出来。

仓库里到底有什么：722 篇手稿，不是 722 个「已证定理」

标题很炸，状态标签更关键：验证阶段不同，可信度就不同。

按仓库 README 与内容索引：当前目录包含 722 篇手稿，按主题归入 372 个结果族。同一族里可能有主结果、配套论证、推论或替代证明，按数学分支分类。

抽样看族标题，冲击力很强：涉及 Milne 有理化猜想、BSD 公式、Catalan 常数无理性、π 的无理性指数、Kaplansky 猜想、自由群因子同构、相对论 Vlasov–Maxwell 等。仓库还公开了 10 个结果族的模型推理摘要（reasoning summaries）。

但同一份 README 写得很克制：并非所有结果都附带 Lean 形式化；形式化会陆续补齐；部分尚未形式化的结果可能存在问题，团队称会尽快修正；也正在探索社区托管这些材料的方式。

读标题时的冷静开关

仓库出现「π 的无理性指数」「BSD 公式」这类字眼，不等于社区已承认对应猜想被彻底解决。OpenAI 自己就把「验证完成度」写在了发布说明里。把「仓库收录」与「学界确认」划等号，是最容易踩的坑。

怎么产出来的：约 4000 题，平均三小时思考

不是突然「开窍」，而是评测饱和之后，把开放研究问题当成新的评价场。

仓库说明写得直接：随着现有数学评测接近饱和，团队把模型开发中的评测扩展到开放研究问题。绝大多数结果出自同一套流程，使用的是尚未发布的内部 OpenAI 模型。

两个数字最值得记住：

• 评测过程中，模型被提出的问题大约 4000 个；
• 平均每个结果，使用了约 3 小时的 ChatGPT Pro 思考算力（thinking compute）。

团队把输出聚合成结果族与手稿，并要求结果达到适当的显著性门槛，才进入当前目录。少数例外单独说明：黎曼 ζ 函数零点区域相关工作，以及关于 CM 阿贝尔簇 Hodge 猜想的证明路径；其中 ζ 函数 Re(s) > 11/12 零点区域的文稿，还做过人工可读性编辑。

所以「AI 做数学」在这批材料里的真实形态是：长时思考 + 开放问题 + 后续聚合与验证，而不是一次性输出一篇完美论文。这对做 AI 产品的人更重要——能力叙事背后，永远要拆开评测场景和算力预算。

评测饱和之后，下一个战场不再是选择题，而是「开放问题 + 可验收的交付物」。

信任机制在哪：Lean、版本记录、顾问小组

科学发布的核心不是声量，是可复核路径。

OpenAI 没有只发 PDF 吸引眼球，而是把「可被检查」写进仓库结构：overview、手稿地图、preprints 源文件与引用说明、Lean 库与形式化目录，以及 comparator 检查指令。未完成形式化的部分也照实说，并承诺持续更新。

版本策略同样重要：公开发布历史会保留，更正与修订以新版本记录，旧版本仍可访问。这更接近学术出版，而不是产品发布——允许改，但不允许悄悄改。

再叠加外部顾问角色：发布前咨询高等研究院数学与人工智能独立顾问小组，并参考建议与公开推荐决定发布方式。这传递的信号是：前沿模型开始触碰「科学可信度治理」，而不是只优化模型能力。

Greg Brockman 说的是愿景：加速发现，不是取代数学家

官方叙事偏未来；仓库 README 偏工程诚实——两者要一起读。

Greg Brockman 转发时，把这件事放进「加速科学发现、改善每个人生活质量」的长期叙事里。这是典型的产品方表述：强调方向与杠杆效应。

仓库 README 则更像工程日志：承认验证分级、承认部分结果可能有问题、承诺补齐 Lean 与修正。把两段合在一起看，信息才完整：模型在开放问题上已具备「产生可讨论研究产物」的生产力；是否构成科学事实，仍取决于验证链路与学界审查。

对普通读者，这反而是好消息：你不必在「吹神迹」和「全是假的」之间二选一。正确姿势是——先看交付物，再看验证，再看叙事。

愿景负责吸引注意力，仓库负责经得起挑剔。只看转发，会高估；只看 README，会低估。

对行业意味着什么：AI 科学发现进入「发布治理」阶段

能力已经外溢到开放研究；下一步拼的是验证、声誉与协作。

过去两年，AI + 科学更常见的是「辅助写代码、辅助做实验、辅助检索文献」。这次发布把讨论推进了一步：模型开始批量产出接近研究论文形态的材料，而且以公开仓库方式进入可批评范围。

这会倒逼三件事：

• 验证基建升值
  ：Lean、自动检查、形式化目录从边缘工具变成发布要件；
• 发布协议出现
  ：什么时候放模型结果、要不要外部顾问、如何标注未验证部分，会逐渐形成惯例；
• 人机分工重画
  ：模型擅长长时搜索与构造候选论证，人类更擅长定义问题、仲裁标准与发现盲点。

也有明显风险：若社会只传播「标题级成果」，忽视验证状态，科学传播会再次被流量逻辑劫持。OpenAI 自己把风险写进 README，社会传播侧也应跟上同等诚实。

普通人怎么读 AI 数学新闻：四步判断法

下次再看到「AI 解决 X 猜想」，用这四步，几乎不会被带偏。

第一步，找交付物。有没有仓库、PDF、Lean、可引用材料？只有通稿、没有可打开文件，先降低信任。

第二步，看验证等级。手稿、预印本、形式化学术证明、学界接受，是四个不同等级。这次仓库明确处于「手稿 + 部分形式化」区间。

第三步，读发布者自己的免责声明。比第三方吹捧更可信的，往往是作者写的「可能有问题」「正在补 Lean」。

第四步，分清能力与结论。「模型能产出大量候选研究材料」是能力事实；「某猜想已被数学界确认解决」是科学结论。两者不能偷换。

一句话版

这次发布的最大增量，不是「AI 已经是数学家」，而是「AI 的数学产出开始按可复核的科学资产被管理」。

写在最后：加速发现，也加速责任

当模型交出论文形态的东西，发布方式就是科学的一部分。

OpenAI 这次把前沿模型的数学结果放进公开仓库，并引入外部顾问讨论发布方式，说明行业已经意识到：AI 进入开放研究，意味着新的责任结构——不是少发布，而是把不确定性一并公开。

如果你是研究者，值得打开仓库看 Lean 与手稿结构；如果你是产品人，值得研究「饱和评测之后如何设计新场景」；如果你只是吃瓜，请记住那句朴素判断：能一起公开的，不等于已经对齐到学界共识——先看验证，再看标题。

科学发现被加速的前提，是信任机制也被加速。