2026年8月3日星期一

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

OpenAI下一代模型Astra公布10项数学突破,涵盖高维球体堆积、康涅斯刚性猜想等横跨多领域的独立成果,每项证明均附Lean可验证证书。推理总成本约2000美元,相当于一台高端电脑价格。适合关注AI科研能力与数学前沿的读者,成果待学界独立审查。

Tags:

刚刚,OpenAI 又闷声干大事。

早上刷推的时候,看到 OpenAI 研究员 Sébastien Bubeck 发了一条推文,表示 ChatGPT 新模型 Astra 解决了 10 个世界级数学猜想,并附上一份长达 246 页的论证结果。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

这 10 个猜想,随便拎出一个,都够人类数学家啃上很多年。

有近半个世纪没有刷新通用上界的高维球体堆积问题,有困扰群论领域数十年的非索菲群存在性问题,还有传奇数学家 Erdős 留下的三道关于图结构极限经典问题。

现在大模型的数学能力,已经卷到这种程度了吗?

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

其实这并不是个例。前段时间,Anthropic 研究员 Levent Alpöge 借助 Fable 5,推翻了悬而未决 87 年的雅可比猜想。

估计 OpenAI 这边看完之后感到了压力。于是,马上掏出自家的新模型,一口气公开了 10 项数学突破。颇有种贴脸对轰的感觉...

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

看来纯卷跑分已经满足不了顶模的野心了。随着 AI 开始参与科研协作,大模型得拿出真正的研究成果,才算厉害。

此时被卷麻了的数学家belike:

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

下面根据论文,具体聊聊这次公布的结果到底有没有含金量。

先叠个甲,本人并非专业的数学研究者,以下内容主要根据 OpenAI 公布的论文整理,部分专业细节难免理解不到位,如有表述不准确,敬请见谅。

一、10 个顶级数学突破

需要先说明的是,这次公布的并不是同一个数学方向上的 10 道题,而是横跨几何、群论、算子代数、密码学、量子计算和图论的 10 项独立成果。

OpenAI 给到的论文中的每一章,基本都可以单独拿出来作为一篇研究论文。

而且,每项证明都配有机器可验证的 Lean 证书。也就是说,关键推导经得起计算机逐步核验。

所有证明都在 openai/ten-proofs 仓库公开,任何人装上编译器都能自己跑一遍。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

这 10 项成果分别是:

  • 高维球体堆积:1978 年,Kabatianskii 和 Levenshtein 给出了高维空间球体堆积密度的经典上界。此后近半个世纪,这个上界的“指数”再没有被推进过。Astra 精确确定了 Cohn–Elkies 线性规划方法所能达到的极限,把指数从 0.59905576… 提高到 0.6044…。

  • 二进制码与球面码:1977 年和 1978 年,数学家分别为两类编码划定了容量上限,研究相互之间必须保持距离时最多能放进多少条信息,ChatGPT Astra 将沿用至今的上限大幅压低,缩小了真实答案可能存在的范围。

  • 非索菲群:Gromov 在 1999 年提出相关概念,Weiss 在 2000 年追问这种“无法用有限结构模拟的群”到底存不存在,ChatGPT Astra 直接构造出了一个,结束了二十多年的寻找。

  • 康涅斯刚性猜想:Connes 在 1982 年提出,能否仅凭一个群对应的冯·诺依曼代数认出它,ChatGPT Astra 找到了无限多个“特征完全一样、本体却不同”的群,直接推翻了这个猜想。

  • 算术电路复杂度:Valiant 在 1979 年把永久式变成了计算复杂性中的核心难题,问题是计算它最少需要多少步,ChatGPT Astra 给出了更高的最低门槛,证明现有方法比此前认为的更难简化。

  • 量子并行重复:2004 年,Cleve 等人提出,如果一场量子游戏重复很多次,玩家连续获胜的概率会不会快速下降,ChatGPT Astra 证明即便玩家可以利用量子纠缠,获胜概率依然会指数下降。

  • 最近向量问题:1981 年,van Emde Boas 证明了在高维整数格中寻找最近点非常困难,ChatGPT Astra 进一步证明,哪怕只想快速找到一个差不多近的答案,也会遇到新的 NP 难度门槛。

  • Ehrhart 体积猜想:Ehrhart 在 1964 年追问,一个内部只有唯一格点、且格点位于质心的凸体最大能有多大,ChatGPT Astra 给出了适用于所有维度的精确上限。

  • 多色拉姆齐数:Erdős 长期悬赏追问,一张图的连线被涂成多种颜色后,至少要有多少个点,才能保证出现一个同色三角形,ChatGPT Astra 最终确定了它的增长速度,解决了 Erdős 问题 183。

  • 极值图论猜想:Erdős 在 1967 年提出退化性猜想,又与 Simonovits 在 1982 年提出紧致性猜想,研究禁止某些图形后最多还能保留多少条连线,ChatGPT Astra 分别找到反例,一次推翻了两个猜想。

除了正式论文,OpenAI 还公开了一份 62 页的研究过程复盘,记录了大模型是如何寻找每项成果的突破口。

哪些思路最先出现,哪些路线走进了死胡同,又是什么关键转变让证明最终成立。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

10 个猜想其中最知名的,就是康涅斯刚性猜想。

它由 1982 年菲尔兹奖得主 Alain Connes 提出,已经悬而未决四十多年。

康涅斯刚性猜想追问:对于结构高度稳定的群,能否仅凭“指纹”还原出原来的群?

群可以理解成一套描述对称变化的规则,比如,一个正方形可以旋转 90 度、180 度、270 度,也可以进行翻转。无论连续做多少次这些操作,最后得到的仍然是正方形的某种对称状态。这些操作以及它们之间的组合规则,合在一起就构成了一个“群”。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

而冯·诺依曼代数就像群留下的一枚数学指纹。数学家想知道,如果两个群的指纹完全相同,那它们是否也一定拥有相同的内部结构?

解决这个数学猜想的难点在于,每次修改运算规则,都要保证冯·诺依曼代数不发生变化,还要继续满足性质 T 和 ICC。任何一个条件被破坏,一切的努力都会失效。数学家四十多年没有找到一条能够同时满足所有条件的构造路径。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

ChatGPT Astra 并没有一开始就成功,而是经历了持续的探索过程。它先尝试从有限群和已有的群代数构造入手,但这些路线往往会破坏 ICC,或者导致性质 T 失效。几条看似可行的路线,最终都卡在了这两个条件上。

真正的转折,是 ChatGPT Astra 意识到冯·诺依曼代数可能只看到了底层概率空间和群的作用,却无法分辨空间内部的运算规则。

于是,它从一个只有四个点的空间入手。普通的二进制加法会得到克莱因四元群,加入“进位”后,则会得到完全不同的四阶循环群。两者的点和概率分布相同,内部结构却不同。

沿着这个思路,模型把“进位”扩展到无限维结构中,并进一步验证性质 T 和 ICC,最终构造出无限多个彼此不同、冯·诺依曼代数却相同的群,直接推翻了康涅斯刚性猜想。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

如果说康涅斯刚性猜想的突破,靠的是找到一个极其隐蔽的结构漏洞。

在高维球体堆积问题上,ChatGPT Astra 则展现了大模型处理海量运算的能力,通过一步步逼近理论极限,突破了人类近半个世纪没能推进的通用上界。

高维球体堆积研究的是,在更高维的空间中,同样大小的球体最多能堆多密。

二维可以想象成平面上摆硬币,三维则像把橙子装进箱子。但当维度继续升高,人类已经无法直接观察,只能依靠公式推演。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

所谓“通用上界”,就是为所有可能的堆法划出一条天花板。上界越低,说明球体能够达到的最高密度越小。1978 年,Kabatianskii 和 Levenshtein 给出了一个经典上界,此后近半个世纪都没有被整体推进。

这个问题的难点在于,进入高维后,函数、参数和限制条件会迅速增加。

2003 年,数学家 Henry Cohn 和 Noam Elkies 提出了一种新方法:利用傅里叶分析设计特殊函数,给所有可能的堆法统一划出一条密度上限。函数设计得越好,上限就能压得越低。

但想要找到这套方法的极限,需要同时追踪函数的傅里叶变换、正负变化和维度增长等大量条件。任何一个环节估算得不够精确,最终结果都会留下缺口。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

ChatGPT Astra 对这套方法进行了完整推演,再无数次碰壁后,先证明任何符合条件的函数都不可能给出更低的上界,再构造出能够不断逼近这一上界的函数。当两边最终对上,Cohn–Elkies 方法能够达到的理论极限也就被锁定了。

除了这两个典型案例,其余八项同样是来自不同领域的重量级成果。比如首次构造出非索菲群、证明一般量子博弈的并行重复定理、解决 Ehrhart 体积猜想,大家感兴趣的话,可以去原网页查看论文:

https://openai.com/index/ten-advances-in-mathematics/

综合来看,这确实是一批含金量很高的科研成果。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

更震撼的是,根据 OpenAI 公布的信息,Astra 找到这些解法所消耗的 Token,按照 GPT-5.6 Sol 的 API 费率折算,总成本约为 2000 美元。

也就是说,撬动这 10 项数学突破的推理成本,只相当于一台高端电脑的价格。

二、新模型 Astra

说了这么多,这个突然冒出来的 Astra,到底是什么模型?

OpenAI 给出的信息非常有限。官方只用了一句话介绍它:这些数学成果由 Astra 的内部版本完成,而 Astra 是 OpenAI 的“下一代主力模型”。

看到“下一代主力模型”这个表述后,社交平台上很快开始猜测 Astra 就是提前曝光的 GPT-6。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

根据 X 用户 Token Gremlin 爆料, GPT-6 将远超当前的前沿模型,模型规模可能接近 GPT-5.6 Sol 的两倍,并且会在数学、物理和生物等领域参与重大研究。他还提到,GPT-6 可能拥有更强的长期记忆,并能协调其他模型共同完成任务。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

更具体的消息来自《The Information》。该媒体援引三名知情人士称,Astra 可能不是单独一款模型,而是与 Sol、Terra、Luna 并列的全新模型家族。

它主打长时间任务和多智能体协作,可以让多个 Agent 持续配合数小时甚至数天,共同解决复杂项目或高等数学问题。报道称,Sam Altman 已经在华盛顿向政策制定者和监管机构演示过 Astra,目前相关模型也已进入测试阶段。

不过,OpenAI 尚未决定最终将它命名为 GPT-6,还是继续归入 GPT-5 系列,例如 GPT-5.7,具体发布时间也没有确定。按照报道,Astra 还可能成为首批接受美国政府新发布前审查框架的模型之一。

三、褒贬不一

OpenAI 发布这 10 项数学成果后,大家的反应并不完全一样。

有人觉得大模型展现出的能力已经远超预期,对 Astra 的正式发布充满期待。

消息公布后,研究员 Zack Swafford 感叹,自己终于明白 Sam Altman 为什么会认为人类已经进入了 AI “奇点”时代。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

另一位网友的分享更直观,大约一年前,他曾让 ChatGPT 解答一道已有标准答案的研究生级数学题,效果并不理想。

仅仅过去一年,ChatGPT 已经开始挑战世界级数学难题,进步速度令他感到震惊。

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

然而,也有不少人对这批成果并不买账。

有网友提出了一个更直接的问题:这些数学难题本身重要吗?解决它们究竟能带来什么帮助,还是只能证明模型足够聪明?

OpenAI新模型Astra攻克10道世界级数学难题 推理成本仅2000美元

过去一年,AI 在科研领域取得突破的消息接连出现,进步速度快得惊人,类似的消息看多了,也难免让人感到疲惫。

更重要的是,目前这些成果大多还停留在论文和计算层面,尚未大规模转化成物理世界中可以被感知的突破。

所以,在现实世界出现明确变化之前,不少人很难只凭几篇论文就相信“奇点已至”。有人看见了未来,有人仍在等待现实世界给出答案,这两种反应都不奇怪。

四、总结

最近一段时间,AI for Science 的热度正在明显升温,越来越多前沿模型开始直接挑战长期悬而未决的科学难题。

前沿模型之间的竞争,已经从跑分和代码能力,逐渐延伸到真正的开放性科学问题。

宣传也好,模型厂商之间的军备竞赛也罢,我个人以为,这种变化值得重视。

因为基准测试通常有现成答案,模型只需要找到答案,就可以拿到高分;科研面对的是未知问题,连正确路径是否存在都没人知道。

模型需要自己提出思路,经过长时间推演后,再拿出能够被验证的新结果。

Astra 这次最值得关注的地方,也正在这里。

它给出的不只是更高的分数,而是新的数学构造、反例和理论界限。如果这些成果最终通过学界的独立审查,就意味着大模型已经开始参与新知识的产生。

在我看来,现在就把它称为“奇点”还太早,简单归为算力堆出来的宣传也不准确。

算力当然发挥了作用,但能够在十个不同方向上找到有效路径,本身就是能力进步。科研一直需要大量计算和反复尝试,大模型只是把这个过程压缩到了更短的时间里。

目前,AI for Science 仍处于早期阶段。数学证明可以通过 Lean 和同行审查进行核验,走进现实世界后,还要面对实验数据和可重复性的考验。模型能否真正缩短科学发现的周期,将决定这股浪潮最终能否转化为现实生产力。

但值得肯定的是,大模型正在从回答人类提出的问题,走向探索人类尚未解决的问题。

没有评论:

发表评论

2026淘宝联盟年度榜单揭晓 两类新玩家正在改写淘客格局

本文解读淘宝联盟2026年度优秀合作伙伴榜单,重点拆解手机厂商流量型与广告媒体投流型两类新玩家,剖析其资源迁移打法与头部格局变化。对想入局淘客的新人,建议结合所在城市的产业圈子选赛道,并重视自身流量资源与能力的长期积累。 Tags: 淘宝联盟 淘客榜单 手机厂商流量 ...