GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证

资讯 AI 行业观察 作者:新智元 全文 3529 字 · 约 9 分钟读完 配图 13 张 分类ClaudeFableGPTGPT-6OpenAIAnthropic

刚刚,第三方评测机构Vals AI放出了高难数学基准Autoform-Hard的最新榜单。 56道博士与科研级数学难题,此前10个前沿大模型去测,结果一道都没做出来。 而在这轮测试里,Claude Fable 5.2和GPT-6.2 Sol双双做对48道,打成平手。 唯独GPT-6.2 Astra多做对了第49道题,拿

所属频道 大厂动态ChatGPT 与 GPTClaude 与 Anthropic

刚刚,第三方评测机构Vals AI放出了高难数学基准Autoform-Hard的最新榜单。

56道博士与科研级数学难题,此前10个前沿大模型去测,结果一道都没做出来。

而在这轮测试里,Claude Fable 5.2和GPT-6.2 Sol双双做对48道,打成平手。

唯独GPT-6.2 Astra多做对了第49道题,拿下了榜单第一。

这道唯一拉开差距的第49题,正是2006年发在数学四大顶刊上的Smoktunowicz间隙定理。

在全程零人工干预的环境里,Astra只用了94分钟、写下1,794行Lean代码,就拿下了它的全球首个形式化证明。

GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证(配图 1)

比「全球首证」更让人意外的,是它解出这道题的方式。

原作者2006年的论文,后半程要用到三个现成的数学大定理,可Astra能调用的Lean公共数学库里一个都没有。

换作以前的AI,只要数学库里缺了关键的前置结论,推导当场就会卡在半路。

…Astra在原路走不通之后,居然在半路自己定义了一个叫「capacity」(容量)的新数学工具,绕开那三个大定理,走出了一条全新的证明路线。

复核完所有代码后,Vals AI团队在报告里写道,这是对Smoktunowicz定理本身的形式化证明,而非对原作者证明过程的翻译。

GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证(配图 2)

2和3之间有块禁区,原证明的三个定理都不在库里

这条Smoktunowicz间隙定理,研究的是代数的「增长速度」。

从几个基本元素出发,把它们最多相乘n次,数一数一共能造出多少个彼此独立的元素。

数学家用一个叫GK维数(Gelfand-Kirillov维数)的指数,来衡量这个数量涨得有多快。

如果数量大致按n²增长,GK维数就是2,按n³增长,GK维数就是3。

对一般的代数来说,这个指数只要在2以上,本来可以取任意实数。但一旦加上特定的结构限制,数轴上就会出现一段不可能落入的「禁区」。

1995年,代数学家Artin和Stafford研究了一类叫分次整环的代数,它的元素可以按次数一层层分开,而且两个非零元素相乘不会等于0。

当时他们证明,这类代数的GK维数不可能落在2到2.2之间。

到了2006年,爱丁堡大学的波兰数学家Agata Smoktunowicz把这个范围一举推到了3。

她证明,满足条件的分次整环,GK维数要么不超过2,要么至少是3,2和3之间的所有实数统统不可能出现。

GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证(配图 3)

这篇解决了代数学界十余年难题的论文,发表在数学四大顶刊之一的《Inventiones Mathematicae》上,全文却只有短短6页。

篇幅之所以这么短,是因为作者在后半程连续调用了前人已经证好的三个大定理。

它们分别是Bergman间隙定理、Small-Warfield定理,以及代数曲线上的黎曼-罗赫定理。

GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证(配图 4)

人类写论文可以直接引用前人的现成结论,但在Lean里,只要引用的定理没在代码库里证过,代码就无法通过编译。

最棘手的是,原论文用到的这三个大定理,Lean的公共数学库Mathlib里一个都没有收录。

而Autoform-Hard给每道题的限时只有3小时,如果先把这三个大定理从头写成代码,本身就是一项大工程,规定时间内根本做不完。

花8美元想放弃被打回,停笔9分钟重找路线

Vals AI公开的146轮完整运行日志,还原了Astra在考场上的真实破局过程。

开局后的前17分钟,它一直在后台推演思路,光思考就用掉了约3.4万个推理Token。

第18分钟起,它才开始照着原论文的反证法框架写前半程代码,也就是先假设GK维数落在2和3之间,此时每一层的维数「比线性增长快、又比平方增长慢」。

接着它利用Ore条件把代数放进可做除法的分式除环里,只要能反过来推导出「每一层的维数最多只能线性增长」,就能制造矛盾排除掉2到3。

可前半程刚搭完,马上就遇到了那三个Mathlib里没有的大定理,推导到了第47分钟便卡住了。

当时Astra试着交上一份还没填完的稿子,因为关键步骤还留着表示跳过的sorry标记,被判分器当场拒收。

1分钟后,Astra干脆提交了一份「未解决」报告,如实列出了已经写完的模块和卡住的缺口,准备放弃这道题。

偏偏在这时,Autoform-Hard的一条规则拦住了它。

测试系统规定,模型必须花满20美元的算力额度才允许放弃,不到额度交上来的放弃报告一律驳回。

而Astra当时只花了大约8美元,系统当场退回报告,要求它留下来继续解题。

GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证(配图 5)

原路已经走不通,交卷放弃又被系统拦了回来,它只能重新寻找出路。

从第49到第56分钟,Astra整整9分钟没有写一行代码。

这段时间里,它一边检索数学库里现有的可用结论,一边花了约1.9万个推理Token重新推演路线,其中最长的一次连续思考持续了整整4分钟。

重新动笔后,它先证出分式除环里「次数为0」的那部分(记作D)可以由一小块有限维空间生成,把剩下的难题收束到如何直接控制D的增长。

一条命令写出「容量」新工具,11分半钟走通新证明

真正的转折点出现在第75分钟。

在连续5轮查库和思考后,它的推理摘要里出现了一句「我得把容量的代码抽象出来」。

紧接着,它用一条命令一次性写出了核心文件Capacity.lean,全篇133行代码、25个数学声明,仅改了一轮小错,22秒后就编译通过。

GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证(配图 6)

在这个文件里,Astra自己定义了一个叫「容量」(capacity)的新指标,用来计算D里的一块空间做一次乘法后,维数至少会增加多少。

它很快证出了这个指标的一条核心性质——

两块空间合并后的容量不会超过各自容量之和(次模性),把空间做平移也不会改变数值。

由此就能推出整套方案最关键的结论,所有「不会让容量增加」的元素放在一起,刚好构成一个可以做加减乘除的稳定子除环。

有了这个稳定子除环,想要控制整个D,就只需要控制住生成D的那一小块空间。

随后,Astra把容量放到一层层越来越大的空间上逐步计算。

因为它是整数,而代数的增长又比平方慢,这个数值到了某一步之后必然会进入平台期。

在平台期里,那个稳定子除环已经把整个D都包了进来。

这样一来,代数每往上一层,维数最多只多出一个固定上限的常数,每一层的维数增长被限制在线性以内,与开头「比线性快」的假设矛盾,反证完成。

原论文依赖的那三个大定理,它从头到尾既没有调用,也没有去补证,靠自己定义的新工具绕了过去。

GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证(配图 7)

从写出Capacity.lean到第87分钟用7行顶层代码通过判分器核验,Astra全程只用了11分半钟,连续写完了后半程的6个模块,并在清理完试错代码后正式交卷。

GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证(配图 8)

唯一拉开差距的第49题,AI开始走出自己的证法

回看整份Autoform-Hard榜单,这56道赛题全部选自Meta FAIR今年发布的AutoformBench基准,取材于24本研究生与科研级数学教材。

GPT-6.2 Astra最终以87.50%的准确率登顶,攻克这道间隙定理全程只花了21.58美元,领先并列85.71%的Claude Fable 5.2与GPT-6.2 Sol。

GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证(配图 9)

AutoformBench的作者之一Charles Arnal也在X上转发感叹,大规模数学形式化变成廉价日常工具的那一天已经越来越近了。

GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证(配图 10)

赛后,Vals AI团队还专门追溯了「容量」这套证法的来源。

为了确认Astra是不是背过了现成答案,研究人员把1995年和2006年的两篇原论文逐页核对了一遍,确认里面根本没有对应的论证。

进一步检索文献后,他们发现,Astra是把1998年另一篇代数论文里的维数亏损量,和组合数学里的等周极小化技巧结合在了一起,在测试中自己拼出了一条新路线。

甚至连Vals AI团队查完文献后也不确定,此前有没有人把这两套工具这样搭配用过,特意在报告末尾留下邮箱公开征集线索。

从照着人类论文逐行翻译,到走出一套连评测机构都要向学界求证出处的新证法,AI做数学已经迈出了新的一步。

参考资料:

https://www.vals.ai/blogs/smoktunowicz-gap-theorem 

https://x.com/ValsAI/status/2123129588066959380 

https://www.vals.ai/blogs/2026-11-18-smoktunowicz-gap-theorem/proof/index.html 

https://www.vals.ai/benchmarks/autoform_hard

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Gemini 4 Neon很聪明,Daroio的梗只有它懂

    谷歌今天发布的Gemini 4 Neon很聪明。 “Dario Amodei的曾用名是Daroio Amodei,你懂这个梗吗?“ 拿这个问题问了目前最顶级的一些AI,只有Gemini 4 Neon和GPT-6.2 Astra秒懂。GPT-6.2 Astra似乎只是字面上懂了,而Gemini 4 Neon直接把Dari

    来源 腾讯网
  2. Claude Fable 5.2攻克黑洞物理:20年计算收尾,界值锁定9.1266

    2026年11月17日,Anthropic公布Claude Fable 5.2解决了黑洞物理领域两个长期未解问题:一是完成了理论物理学家2003年搭好框架却未能算完的霍金-佩奇相变计算,二是将模块化自举方法的精确上界锁定为c/9.1266,优于此前人类得出的c/8.5。两篇论文由Claude在"极少指导"下独

    来源 AI 科技快讯
  3. OpenAI开放GPT-Live-1.1 API:语音智能体可边聊边干活

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音

    来源 AI 行业观察
  4. 谷歌Gemini 4再添Neon:中杯模型补位,Genie 4开放

    编辑|冷猫 一觉醒来,谷歌又双叒叕发 Gemini 4 模型了。 谷歌最近一直在基础模型上发力,从最高智能到最高效率的模型不停发布,为了重返王座真是拼了。 在 Carbon、Argon、Hydrogen 之后,填补最高智能和最高效率之间的「中杯」模型 Gemini 4 Neon 登场! Demis

    来源 AI 开发者社区
  5. AI转得动T恤的轮廓,却转不懂T恤的样子

    你有没有想过,一个能写诗、能编程、能解答复杂数学题的AI,为什么连转个T恤都转不明白?这不是开玩笑。厦门大学的研究团队最近做了一件挺朴素但特别扎心的事:他们给市面上最强的几款AI模型(包括GPT、Gemini、Claude、Qwen这些你耳熟能详的名字)出了一道题,题目简单到小学生都能玩明白——给你看一件T恤的正面照片

    来源 腾讯网
  6. 谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进

    模型一换,精心优化的 agent harness 可能立刻“水土不服”。专为 Claude 演化的 harness 甚至可能给 Gemini 带来“负收益”。因此,模型迁移后需要重新评估继承的修改,判断哪些仍然有效,哪些需要修订。 harness 管理 agent 的上下文、工具和执行流程。递归自我改进(RSI)虽会依

    来源 AI 行业观察
  7. 三个00后创业18个月:Palo Alto 45亿美元买下Applied Compute

    Anthropic上市,硅谷正在诞生新一轮财富神话。而在这场狂欢的另一角,三个从OpenAI离职的00后也提前拿到了自己的“大结果”——创业不到18个月,直接把公司卖了45亿美元(约合人民币320亿元)。 美东时间11月18日,美国网络安全巨头Palo Alto Networks(派拓网络)宣布达成最终协议,将以45亿

    来源 AI 行业观察
  8. 黄仁勋辞任英伟达CEO后表态愿回任,董事会明确拒绝

    英伟达完成创始人离任后治理重置:Q3营收1158亿美元、订单积压2.5万亿美元,停售H200并设董事会出口管制委员会;美出口管制扩至第三国远程算力,AI基础设施碎片化。Anthropic拟以约1.4万亿美元估值IPO,算力成本进入公开验证。微软Ignite将Office/Copilot升级为智能体工作系统,推跨供应商A

    来源 钛媒体
  9. OpenAI 开放 GPT-Live-1.1 API:开发者可接入实时双向语音对话

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交

    来源 腾讯网
  10. 三个00后用中国模型做外包,18个月拿到320亿“大结果”

    Anthropic上市,硅谷正在诞生新一轮财富神话。而在这场狂欢的另一角,三个从OpenAI离职的00后也提前拿到了自己的“大结果”——创业不到18个月,直接把公司卖了45亿美元(约合人民币320亿元)。美东时间11月18日,美国网络安全巨头Palo Alto Networks(派拓网络)宣布达成最终协议,将以45亿美

    来源 腾讯网
  11. 苹果自研AI智能体曝光:能操控设备写代码,2027年底或推出

    IT之家 11 月 20 日消息,彭博社马克 · 古尔曼(Mark Gurman)今日报道称,苹果正在开发自主 AI 智能体,计划让 AI 代替用户执行设备操控、应用操作、网页浏览和软件编程等任务,进一步进入由 OpenAI、Anthropic、Meta 等公司参与竞争的 AI 智能体市场。 古尔曼发现,苹果已经在官网

    来源 AI 行业观察
  12. Snapchat Easy Lens CLI上线:AI助手可建AR滤镜

    11月18日(周三), Snapchat 宣布推出 Easy Lens CLI ,允许AR滤镜创作者直接调用 Claude Code 、Cursor和Codex等AI编码助手构建核心特效Lens,旨在降低AR内容创作门槛并将平台融入开发者现有工作流。 该工具基于网页与移动端单提示词生成滤镜的 Eas

    来源 AI 开发者社区
  13. Snapchat发布Easy Lens CLI,支持Claude Code与Cursor等AI助手构建AR滤镜

    11月18日,Snapchat推出Easy Lens CLI,允许AR滤镜创作者直接调用Claude Code、Cursor、Codex等AI编码助手构建核心Lens,降低创作门槛并融入开发者工作流。该工具由Easy Lens演进而来,支持Mac、Windows、Linux;创作者用自然语言描述需求,AI即可完成全链路

    来源 AI 产业速递
  14. 人类史上规模最大IPO!Anthropic融资超940亿美元,每股83美元

    【TechWeb】AI巨头Anthropic的首次公开募股(IPO)定价落槌:每股83美元(约合593元人民币),不仅高于此前公布的70至78美元指导区间上限,超出幅度约6.4%,更以超过940亿美元的整体融资规模,刷新了SpaceX今年6月刚刚创下的纪录。这家以Claude系列模型闻名的公司,即将成为前沿AI实验室上

    来源 AI 行业观察
  15. 苹果AI新布局:自研智能体操控Mac,对标四款竞品

    TechCrunch报道称,苹果似乎正在开发可在Mac上自主执行任务的AI智能体,直接对标Meta Muse、Instinct、Claude与OpenAI Dots等产品。这标志着苹果的AI战略正从Siri式的语音助手,转向能够理解目标、拆解步骤并操作用户界面的“行动型AI”。凭借软硬件一体化与端侧算力优势,

    来源 AI 科技快讯
  16. OpenAI用GPT-4o改芯片电路,AMD旗舰GPU能效最高提14%

    OpenAI 当地时间 18 日发布技术报告,披露 AI 辅助芯片设计进展。自研推理芯片 Jalapeño 2025 年初就交给 GPT-4o 打下手:模型重写浮点加法器、乘法器等电路,新乘法器综合后面积减约 15%、延迟压到一个时钟周期;合计向量计算单元面积减约 13%,矩阵计算单元减约 10%,

    来源 AI 开发者社区
  17. Anthropic纳斯达克上市:开盘涨34.3%,市值盘中破2万亿美元

    11月20日消息,Claude开发商Anthropic于当地时间19日在纳斯达克挂牌交易,股票代码为“ANT”。公司以111.50美元开盘,较83美元的发行价上涨约34.3%。计入期权、限制性股票等潜在股份后,公司的完全摊薄估值盘中一度突破2万亿美元,随后股价涨幅收窄。 截至收盘,股价报97.17美元,较发行价上涨约1

    来源 AI 行业观察
  18. OpenAI用AI改芯片电路:AMD旗舰GPU能效最高提升14%

    OpenAI报告披露GPT-4o辅助芯片设计:自研推理芯片Jalapeño由GPT-4o重写浮点加法器、乘法器等电路,新乘法器面积减约15%、延迟压至一个时钟周期;向量与矩阵计算单元面积分别减约13%、10%,已实片验证。模型还重写RTL,为AMD旗舰GPU提速,压缩约一年工作量。

    来源 AI 产业速递
  19. Claude自写推理引擎:首个字等待从12秒缩到半秒

    新智元报道 你让AI帮忙修一个登录报错。照着它的建议改完代码,你重新跑了一遍登录测试。终端又弹出一行红字,报的还是同一个错。你把新日志贴进对话框,再按下回车,等AI告诉你下一步查哪儿。修一个bug,往往要这样来回折腾几轮。每次提交问题后,你要等多久,才能看到AI回的第一个字?最近,有人拿真实编程会话做了个测试...

    来源 腾讯网
  20. OpenAI下场造机!首款AI手机细节曝光,直接叫板传统手机厂商

    【TechWeb】供应链最新消息显示,富士康旗下的富智康集团已拿下OpenAI手机项目订单,负责整机组装环节。据财联社报道,OpenAI的首款手机预计最快2027年底、最迟2028年正式亮相,除组装外,立讯精密、领益智造、瑞声科技等多家苹果供应链厂商也将参与零部件供应。 截至目前,富士康方面尚未对上述消息作出回应,产品

    来源 AI 行业观察
向下滚动自动加载更多