ARTICLE · 1152941
四年前连小学数学都算不对,如今AI开始挑战百年数学难题
四年前连小学数学都算不对,如今AI开始挑战百年数学难题四年前，ChatGPT连一道小学数学题都可能算错。 你让它解一道应用题，它能写出一大段看似合理的推导，最后却给出错误答案。你指出问题，它还可能非常礼貌地道歉，然后自信满满地再错一次。 谁能想到，短短四年后，当年那个被嘲笑数学不好的AI，已经开始挑战困扰人类数学家数十年甚至更久的研究难题。 
2026年10月6日，OpenAI公布了一批由内部前沿模型生成的数学研究成果：722份研究手稿、372组相关成果，涉及约4000道评估问题，其中不少涉及尚未解决的数学研究课题。部分证明还提供了可供计算机检查的Lean形式化版本。 这些成果尚不等于数百个数学难题已被正式攻克，但它们已经足够说明：AI的数学能力，正在经历一场惊人的进化。 1.2022年，ChatGPT能写文章，却经常算错数学题 2022年11月，ChatGPT正式发布。凭借流畅的对话能力，它迅速成为全球关注的焦点，但数学也成为早期大语言模型最容易翻车的领域之一。 当时的ChatGPT可以解释微积分、线性代数，却可能在多步骤的基础应用题上出错。原因在于，早期大语言模型主要依靠预测文本规律生成答案，虽然能够模仿数学推导，但并不能保证每一步计算和逻辑都正确。 这也暴露了当时AI的一个核心问题：会解释数学，不代表真正擅长数学推理。 2.2024年：推理模型登场，数学正确率大幅提升 2024年9月，OpenAI发布o1系列推理模型，成为AI数学能力进化的重要转折点。 o1开始在回答问题前投入更多计算资源进行多步推理，能够尝试不同解法、检查错误并调整推导过程。这种变化很快体现在数学测试成绩上。 根据OpenAI公布的2024年AIME（美国数学邀请赛）评估数据： GPT-4o：平均正确率约12% o1：单次作答平均正确率74% o1：通过64次采样共识，正确率提升至83% o1：通过更多候选答案和评分筛选，正确率可达93% 从约12%到83%，相同测试下的正确率提升超过70个百分点。 
OpenAI o1在AIME 2024数学测试中的表现 这说明AI数学能力的进步，已经不只是依靠更大规模的训练数据，而是开始通过更充分的推理来解决复杂问题。 3.2025年：AI数学奥赛达到金牌水平 2025年7月，AI在国际数学奥林匹克竞赛（IMO）上迎来标志性突破。 Google DeepMind的Gemini Deep Think在6道IMO题目中完整解决5道，获得35分（满分42分），达到金牌水平，成绩还获得了IMO官方协调员的认证。 更值得关注的是，2024年Google的AlphaProof与AlphaGeometry 2系统只达到银牌水平，拿到28分，而且需要人工将题目转化为形式化语言，部分计算耗时2—3天。 
2024年Google DeepMind数学推理系统在IMO题目测试中达到银牌水平 仅仅一年后，Gemini就能直接阅读自然语言题目，在4.5小时的竞赛时间限制内完成证明，并获得金牌水平成绩。 同年，OpenAI也公布了其模型在IMO题目测试中达到金牌水平的结果。 
2025年Gemini Deep Think以35/42分达到国际数学奥林匹克金牌水平 从2024年的银牌水平到2025年的金牌水平，AI已经开始在世界顶尖数学竞赛中展现强大的复杂推理能力。 4.2026年：AI开始参与真正的数学研究 如果说此前AI还在解决人类设计好的竞赛题，那么2026年，它已经开始尝试解决数学界尚未解决的开放问题。 10月6日，OpenAI公开了内部前沿模型生成的大规模数学研究成果。据披露，这次研究涉及约4000道问题，最终公开722份手稿，归为372组相关成果。 
OpenAI公开的AI数学研究成果仓库 OpenAI还分享了部分研究过程及Lean形式化证明。部分成果平均消耗的计算资源，相当于内部模型使用ChatGPT Pro进行约3小时的思考。 这意味着AI已经不满足于在数学考试中拿高分，而是开始尝试提出研究级证明，参与前沿数学探索。 不过，目前仍需理性看待这些数据。722份手稿不等于解决了722道数学难题，能够通过形式化验证的部分证明，也不代表所有成果都已经获得数学界认可。 证明的正确性、原创性和研究价值，仍需要独立验证。 5.从会做题到参与科研，AI的下一步是什么？ 回顾这四年的变化，AI数学能力的进化路线已经相当清晰： 2022年，ChatGPT能够解释数学知识，但经常在基础推理中出错。 2024年，o1通过更充分的推理，将AIME测试正确率从GPT-4o的约12%提升至最高93%。 2025年，AI在IMO题目上获得35/42分，达到国际数学奥赛金牌水平。 2026年，OpenAI开始公开AI生成的大规模数学研究手稿，尝试推动真实数学问题的解决。 为什么数学会成为AI能力突破的重要领域？一个关键原因在于，数学证明拥有相对明确的验证标准。相比写文章、做设计等主观性较强的任务，数学可以利用严格规则和形式化工具检查推理是否成立，这让它成为训练和衡量复杂推理能力的重要场景。 而这种能力未来也可能延伸到代码验证、芯片设计、物理研究等领域，让AI从知识检索和内容生成工具，逐渐变成真正参与科研工作的助手。 当然，AI距离独立开展可靠的数学研究还有很长的路要走。但仅仅四年，它就已经从一个经常算错应用题的聊天机器人，发展到能够尝试挑战数学研究的前沿。 从解答已知问题，到探索未知答案，AI正在跨过一条更重要的边界。 下一次突破，或许就不只是数学考试的满分成绩了。我们拭目以待。