GPT-6.2 Astra登榜:多解一题,49题定胜负

资讯 36氪 全文 3529 字 · 约 9 分钟读完 配图 11 张 分类GPTGPT-6OpenAI

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

所属频道 大厂动态ChatGPT 与 GPT

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。

GPT-6.2 Astra登榜:多解一题,49题定胜负(配图 1)

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。

GPT-6.2 Astra登榜:多解一题,49题定胜负(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

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。

GPT-6.2 Astra登榜:多解一题,49题定胜负(配图 3)

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。

GPT-6.2 Astra登榜:多解一题,49题定胜负(配图 4)

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。

GPT-6.2 Astra登榜:多解一题,49题定胜负(配图 5)

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。

GPT-6.2 Astra登榜:多解一题,49题定胜负(配图 6)

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。

GPT-6.2 Astra登榜:多解一题,49题定胜负(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。

GPT-6.2 Astra登榜:多解一题,49题定胜负(配图 8)

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。

GPT-6.2 Astra登榜:多解一题,49题定胜负(配图 9)

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。

GPT-6.2 Astra登榜:多解一题,49题定胜负(配图 10)

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

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. OpenAI推出GPT-6.2 Sol:跑分只差Astra 0.5分,成本仅五分之一

    OpenAI推出GPT-6.2 Sol,定位为高效主力模型。它在代码和生活任务评测中逼近旗舰Astra,但成本低至五分之一。Sol支持多步Agent工作流、3D交互设计及网络安全辅助,并向Pro及以上用户开放Ultrafast模式,适合日常办公与轻量开发场景。

    来源 AI 应用前沿
  2. 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
  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. 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
  5. 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
  6. 奥特曼谈AI造AI:OpenAI能再推一步,但不敢撒手

    AI已经在帮OpenAI造下一代GPT了。 可真要把研发方向盘彻底交给AI,奥特曼还是亲自踩了一脚刹车。 11月16日,在Semafor的活动现场,谈及「递归自我改进」(RSI),奥特曼当场划下一道红线: 我们本可以进一步向递归自我改进推进,但我不认为现在能安全地这么做。 潜台词很明显:不是现在技术上推不动,而是真不敢

    来源 AI 行业观察
  7. 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
  8. 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
  9. Gemini上Mac可代操作电脑,Runway推270亿参数机器人模型

    本期重点包括Google向数亿用户免费开放Gemini Tasks,并在Mac端推出可代操作电脑的Computer use功能。Runway发布27B参数机器人世界模型Praxis-1,OpenAI开放GPT-Live-1.1语音API。此外,Cognition评测显示Gemini 4 Neon在代码任务上性价比突出,

    来源 AI 应用前沿
  10. GPT-o3代码执行暴跌28.3分 主榜单日下滑20.2分

    GPT-o3今日Smoke评测主榜从78.08分跌至57.92分,代码执行维度从73.80分降至45.50分,材料约束从83.30分降至73.10分。工程判断升至97.00分,诚信评级维持pass。单日10题抽样导致的波动需与模型真实退化区分。

    来源 AI 科技快讯
  11. AI自己改造外部装备,中科大论文梳理自我进化四条边界

    你有没有想过,为什么同一个AI模型,换个用法就判若两人?同样是GPT-5.5,有的团队用它写代码效率翻倍,有的团队却总觉得它笨手笨脚。差别往往不在模型本身,而在那套包裹着模型的"装备"——提示词怎么写、记忆怎么存、工具怎么调、出错了怎么恢复。这套装备有个专业名字,叫做harness。更有意思的问题是:如果让AI自己去改

    来源 腾讯网
  12. 计算医学补AI制药短板:十部门规划提出新路径

    AI制药发展到今天,出现了一个有些反直觉的现象。 一边,是模型能力的快速跃迁。AlphaFold之后,蛋白质结构预测已经发生根本变化,生成式AI开始进入蛋白设计、小分子设计、抗体发现,生命科学基础模型、大模型和科研智能体不断出现。2026年,OpenAI发布面向生物学、药物发现和转化医学的GPT-Rosalind。Is

    来源 AI 行业观察
  13. 谷歌Gemini 4逆袭!国产AI没有上榜

    最新的 Agent Arena 榜单中,被大家戏称北美 “豆包” 的 Gemini 算是翻身了,直接跑赢了 GPT!两个模型Gemini 4 neo 和 Gemini 4 carbon都压着GPT打,算是出了口恶气。不少朋友可能不清楚这个榜单到底测什么,它不比AI聊天问答好不好玩,而是比AI 智能体的实战干活能力:比如

    来源 腾讯网
  14. Gemini 4 Neon 上线,NVIDIA 并行生成打破逐字解码

    Google 推出 Gemini 4 Neon,主打推理与任务执行,已接入 App 和 Tasks。NVIDIA 发布 Nemotron-Sigma,尝试并行块生成以加速代码和数学解题。Hugging Face 分享了 27B 模型后训练效率优化及微调耗时超预期的技术原因。LMArena 数据显示 GPT-6.2 As

    来源 AI 应用前沿
  15. OpenRouter新版自动路由实测:性能倒退,不如固定调用单一模型

    OpenRouter在11月更新了其核心的Auto Router,但最新基准测试显示,新版路由器的准确率从79.1%暴跌至65.2%,甚至低于随机选择。相比之下,Conifer和dari等新竞品虽有路由行为,但性价比仍不及直接调用GPT-5.6 Luna。本文详细拆解各路由器的实际表现,并介绍在质量与成本平衡上表现更优

    来源 AI 应用前沿
  16. 让大语言模型学会把方向盘交出去

    你有没有想过,一个客服机器人在接到"帮我取消订单"这种请求时,脑子里到底在发生什么?它要先查这个客户是谁,再查订单状态,然后决定是直接取消还是该先问一句"您确定吗"。这一整套流程,看起来简单,但背后每一步都要调用一次大语言模型,也就是那个又贵又慢的AI大脑。**大语言模型*:指像GPT、Gemini这样参数规模巨大、.

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

    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。

    来源 TechWeb
  18. OpenAI硬件2026年底出货:立讯精密独家代工整机与核心件

    OpenAI的首款AI硬件产品有了明确的时间表。11月19日,每日经济新闻援引供应链消息称,这款产品计划于2026年底启动出货,多家中国厂商深度参与其中——立讯精密不仅独家承担整机制造,还同时供应核心零部件。不过,关于这款硬件的具体形态,OpenAI官方至今仍未正式公布,“甜甜圈”“冰球”式的无屏设备轮廓,目前仍停留在

    来源 TechWeb
  19. OpenAI首款AI硬件年底出货:立讯精密独家代工,“甜甜圈”真机渐近

    OpenAI的首款AI硬件产品有了明确的时间表。11月19日,每日经济新闻援引供应链消息称,这款产品计划于2026年底启动出货,多家中国厂商深度参与其中——立讯精密不仅独家承担整机制造,还同时供应核心零部件。不过,关于这款硬件的具体形态,OpenAI官方至今仍未正式公布,“甜甜圈”“冰球”式的无屏设备轮廓,目前仍停留在

    来源 TechWeb
  20. 贝佐斯重返一线:Prometheus估值410亿美元,要做物理世界的OpenAI

    卸任亚马逊 CEO 五年后,杰夫·贝佐斯没忍住,又给自己找了个班上。 当地时间 2026 年 11 月 17 日,加州门洛帕克的 Semafor「硅谷与世界」峰会现场,贝佐斯和物理学家维克·巴贾杰(Vik Bajaj)罕见同台。他现在的最新头衔,是 AI 初创公司 Prometheus 的联合创始人兼联席 CEO。这是

    来源 AI 行业观察
向下滚动自动加载更多