GPT-6.2 Astra登榜:多解一题,49题定胜负
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
Vals AI是家做第三方评测的机构,它刚公布了高难度数学基准Autoform-Hard的新一期榜单。
这份榜单上的56道题,难度对标博士与科研级数学难题。此前有10个前沿大模型参与测试,一道也没解出来。
这次的结果是:Claude Fable 5.2与
GPT-6.2 Sol都做对了48道,成绩持平。
榜单第一归GPT-6.2 Astra,它比别人多啃下第49道。
差距就出在第49题上。这道题正是Smoktunowicz间隙定理,2006年刊登在数学四大顶刊之一。
整个过程中没有任何人工介入,Astra花94分钟写下1,794行Lean代码,完成了该定理的全球首个形式化证明。

真正让人意外的不是「全球首证」这个结果,而是它解题的路子。
按原作者2006年论文的写法,后半程要调用三个现成的数学大定理。问题是,Astra能用的Lean公共数学库里,这三个定理一个都没收录。
换成以往的AI,一旦数学库缺了关键的前置结论,推导往往当场就卡住。
Astra没在原来的路上耗下去。它中途自己造了个新数学工具,取名「capacity」(容量),绕开那三个大定理,另起了一条证明路径。
Vals AI团队复核完全部代码,在报告中给出的说法是:这属于对Smoktunowicz定理本身的形式化证明,不是把原作者的证明过程翻译一遍。

2和3之间有块禁区,原证明的三个定理都不在库里
Smoktunowicz间隙定理讨论的对象,是代数的「增长速度」。
取若干个基本元素,让它们最多相乘n次,再数一数能造出多少个互相独立的元素。
这个数量涨得快不快,数学家用一个指数来衡量,也就是GK维数(Gelfand-Kirillov维数)。
数量大致按n²增长时,GK维数记作2;按n³增长时,记作3。
普通代数只要指数在2以上,取任意实数都行。可一旦叠加特定的结构限制,数轴上就会冒出一段进不去的「禁区」。
1995年,代数学家Artin和Stafford盯上了一类叫分次整环的代数:元素能按次数一层层拆开,两个非零元素相乘也不等于0。
他们当时给出的结论是,这类代数的GK维数落不进2到2.2之间。
2006年,爱丁堡大学的波兰数学家Agata Smoktunowicz把这个禁区一路扩到了3。
她证明的是:满足条件的分次整环,GK维数要么不超过2,要么至少为3,2和3之间的实数一律不会出现。

这篇论文解掉了代数学界悬了十余年的难题,发表在数学四大顶刊之一的《Inventiones Mathematicae》上,全文只有6页。
篇幅能压这么短,是因为作者在后半程接连搬出了前人已证好的三个大定理。
这三个定理分别是Bergman间隙定理、Small-Warfield定理,以及代数曲线上的黎曼-罗赫定理。

在Lean里写证明,人类可以直接搬前人的现成结论来用,但只要引用的定理没在代码库里被证过,代码就编译不过去。
更麻烦的是,原论文依赖的这三个大定理,Lean的公共数学库Mathlib一个都没收。Autoform-Hard给每道题只留3小时,要是先把这三大定理从头写成代码,本身就得花大力气,限时内根本做不完。
花8美元想放弃被打回,停笔9分钟重找路线
Vals AI公开了146轮完整运行日志,Astra在考场上的破局过程被完整还原出来。开考头17分钟,它一直在后台琢磨思路,光推理就烧掉约3.4万个Token。
到第18分钟,它才按原论文的反证法框架动手写前半程代码:先假定GK维数落在2和3之间,这时每一层的维数「比线性增长快、又比平方增长慢」。
随后它借Ore条件把代数塞进能做除法的分式除环,只要反过来推出「每一层的维数最多只能线性增长」,矛盾就成立,2到3这个区间也就被排除。
前半程刚搭完,那三个Mathlib里没有的大定理就挡在面前,推导到第47分钟卡死。
它试着交了一份没填完的稿子,关键步骤还留着表示跳过的sorry标记,判分器当场拒收。
1分钟后,Astra直接提交「未解决」报告,把写完的模块和卡住的缺口如实列了一遍,打算放弃这道题。
偏偏这时候Autoform-Hard的一条规则把它拦住了:测试系统要求模型花满20美元算力额度才准放弃,额度没到就交的放弃报告一律驳回。
Astra当时只花了约8美元,报告被系统当场退回,要求它留下继续解题。

老路走不通,交卷放弃又被拦回来,它只能另找办法。
第49到第56分钟,Astra整整9分钟没写一行代码。这期间它一边翻数学库里现成可用的结论,一边用约1.9万个推理Token重新推演路线,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)能由一小块有限维空间生成,剩下的难题就收束成怎么直接控制D的增长。
一条命令写出「容量」新工具,11分半钟走通新证明
真正的转折点在第75分钟。连续5轮查库加思考之后,它的推理摘要里冒出一句「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核心文件Capacity.lean,全篇133行代码、25个数学声明,只改了一轮小错,22秒后就编译通过。

在这份文件中,Astra 自行提出了一个新指标,名为「容量」(capacity);该指标衡量的是 D 中某一块空间每执行一次乘法,其维数至少会增加到什么程度。
这个指标的一条核心性质,它很快就证了出来——
两块空间并到一起,容量加起来不会超过两者各自容量之和,这就是次模性;把空间平移一下,数值也不变。整套方案最关键的结论由此得出:凡是「不会让容量增加」的元素归拢到一处,恰好形成一个能加减乘除的稳定子除环。
稳定子除环一旦到手,要控制整个D,只需管住生成D的那一小块空间就够了。接下来,Astra把容量放到一层比一层大的空间上,逐步往下算。
这个数值是整数,而代数的增长又比平方慢,算到某一步它必然停下来进入平台期。进了平台期,那个稳定子除环已经把整个D都包了进去。
于是代数每往上走一层,维数至多增加一个固定上限的常数,每层维数的增长被压在一条线性线以内——这和开头「比线性快」的假设对不上,反证到此完成。
原论文靠的那三个大定理,它自始至终没调用,也没去补证,用自己定义的新工具绕开了。

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全程只花了11分半钟,后半程6个模块一口气写完,清理掉试错代码后正式交卷。

唯一拉开差距的第49题,AI开始走出自己的证法
整份Autoform-Hard榜单共56道赛题,全部取自Meta FAIR今年发布的AutoformBench基准,题目来源是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,攻下这道间隙定理全程仅花费21.58美元,压过并列85.71%的Claude Fable 5.2与GPT-6.2 Sol。

AutoformBench的作者之一Charles Arnal也在X上转发并感叹,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。

赛后Vals AI团队专门去追「容量」这套证法从哪来。为确认Astra是否背过现成答案,研究人员把1995年和2006年的两篇原论文逐页对了一遍,里面根本没有对应的论证。
再往下查文献,他们发现Astra把1998年另一篇代数论文里的维数亏损量,同组合数学中的等周极小化技巧拼到了一起,在测试中自行拼出一条新路线。查完文献,连Vals AI团队也说不准此前有没有人这样搭配用过这两套工具,索性在报告末尾留了邮箱,公开征集线索。
从照着人类论文一行行翻译,到走出一套连评测机构都要向学界求证出处的新证法,AI做数学又往前迈了一步。
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