第 136 期模型深度⏱本文阅读约 5 分钟我刷到 OpenAI 这篇公告的时候，第一反应是——不可能，这是标题党。一个通用推理模型，没有任何专门的数学微调，自己推翻了一道困扰全球顶级数学家整整80年的开放问题？我认真读完了 OpenAI 的技术报告、arXiv 上的证明原文，还有剑桥数学家 Timothy Gowers 的公开评价之后，确认：这是真的。而且它的意义，远不止「AI 又变聪明了」这么简单。2026年5月20日，OpenAI 宣布：旗下一个通用推理模型，独立推翻了「平面单位距离猜想」——数学家 Paul Erdős 在1946年提出的、悬而未决整整80年的离散几何难题。让外界震惊的不只是结果本身，而是这个模型的身份：它不是专为数学研究微调的系统，就是你平时对话的那类通用推理 AI。它在没有任何专项脚手架的情况下，拿到了一批 Erdős 未解问题就开始做，然后交出了一个连 Fields 奖得主都说可以直接发《数学年刊》的证明。图源｜Unsplash · Abstract Geometry01这道题，难在哪里？Erdős 单位距离问题的题面很好理解：把 n 个点随意撒在一张平面上，这些点两两之间最多能有多少对距离恰好等于1？听起来像中学几何题，但它背后藏着极深的跨领域结构，在组合数学里属于悬而未决的核心难题之一。80年来，数学家普遍相信「正方格点阵」（square grid）是最优构型——把点均匀摆成方格，能让距离为1的点对数量达到最多。没有人能证明这是绝对最优的，但也没有人找到更好的构型。大家就这样卡在这里，整整80年。更难的是：上界（理论上「最多能有多少对」）和下界（实际能构造出来的「至少有多少对」）之间至今有一道巨大鸿沟，没有人能让它们完全对齐。这道题之所以难，根本原因是它横跨离散几何、组合数学和代数数论三个领域，而这几个领域的工具集长期各自为战，几乎没有人会想到从纯代数的方向切入一道几何构型问题。02AI 走了一条所有人都没想到的路OpenAI 的模型用的方法，让整个数学界都没料到：它从代数数论里挖出了工具。具体来说，它运用了 Golod-Shafarevich 定理和无限类域塔（infinite class field towers）——这是1960年代代数数论的一套经典工具，专门研究数论里特定代数结构，此前完全没有人把它跟平面几何的构型问题联系起来。AI 把这套工具搬过来，构造出了一族全新的点集，证明单位距离对的数量能达到 n^(1+0.014) 数量级。在数学上，这叫「多项式级别的改进」，是对方格构型80年来首次真正意义上的突破。「多项式级别的改进」对普通人来说意味着什么？打个比方：如果以前的方格构型是「每年往存钱罐里多放100块」，那 AI 找到的构型就是「每年以10%复利增长」——当 n（点的数量）足够大的时候，两者根本不在一个量级。普林斯顿大学数学家 Will Sawin 随后把指数精炼到 δ=0.014，证明被多位外部数学家独立核验，相关论文已经上传 arXiv（编号 2605.20695）。这件事最关键的地方在于：AI 实现了真正的跨域创造性迁移。代数数论和平面几何，在人类数学家的认知框架里是两个基本不搭界的领域。AI 的推理过程里，没有这道隔离墙。"There is no doubt that the solution to the unit-distance problem is a milestone in AI mathematics; if a human had written the paper and submitted it to the Annals of Mathematics, I would have recommended acceptance without any hesitation. No previous AI-generated proof has come close to that.— Timothy Gowers · 剑桥大学数学家 · 1998年 Fields 奖得主03这不只是数学家的事图源｜Unsplash · Abstract Lines我知道很多人看到这里会想：Erdős 猜想被推翻了，跟我用 Cursor 写代码有什么关系？关系比你想的大。这件事揭示的是推理模型能力边界的一次真实跨越：一个模型在没有数学专训、没有搜索工具、没有人手把手引导的情况下，完成了需要跨域创造性推理的证明。它处理的不是「训练数据里有标准答案的问题」，而是一道人类根本不知道答案在哪里的开放题。
夜雨聆风
