2026年11月13日，Google Research发布了基于Gemini 4系列模型（Argon、Carbon、Hydrogen）与Antigravity平台 /teamwork 多智能体工作流的最新科研与工程战果。Google联合香港中文大学、南加州大学以及卡内基梅隆大学，利用 /teamwork 的 Long Proof 模式证明了自2013年悬而未决的信息论Courtade–Kumar猜想，并在Lean 4中完成了高达 5000万行代码 的机器形式化验证。同时，Google宣布将这些长周期智能体工具在Antigravity平台向外部开发者开放。
除抽象数学证明外，这套系统在系统工程与底层基础设施上同样展现出高压推进能力。在TPU内核优化基准测试中，基于该框架的系统在17个JAXBench内核上实现了4.09倍的几何平均加速，在GNN TPU内核上取得8至15倍的加速，并将高带宽内存使用量最高降低了185倍。然而，这场被官方包装为大模型智力跃迁的盛宴背后，并非模型单独战胜了人类数学家，而是一场极其精密的工程控制学胜利。
撕开机器独力破局的滤镜：人类降维跳板与跨代叙事包装
在面对Courtade–Kumar猜想这项十三年未决的难题时，舆论很容易将焦点集中在AI自动生成的5000万行代码上。但深入审视论文细节会发现，真正决定生死的一步来自人类学者。
香港中文大学研究团队首先提出了关键的候选函数，将复杂的通用猜想降维并简化为一个 14变量优化问题，并给出了核心的解析下界。在人类数学家完成了这一关键的思维跳板后，Gemini 4 Argon与底层智能体才接手进行了穷尽式的参数空间划分、区间算术证书生成，以及将证明从平衡函数扩展至非平衡函数。
与此同时，学术界也展现出了平行破局的临界状态。在Google团队于2026年9月21日提交预印本的前后两天内，全球另外两个独立学者团队（Vu Khac Ky与Tuan Tran；Hessam Mahdavifar与Ahmad Beirami）也分别独立提交了该猜想的证明预印本。这表明问题本身已处于学术突破的前夜，AI的介入主要加速了计算繁复的验证阶段。
官方宣传语还隐去了一个细节：支撑 Long Proof 模式的核心架构论文《Stellar Colosseum》，其实际基准测试是在 Gemini 3.1 Pro 和 3.7 Flash 模型上完成的。Google在公关叙事中将上一代架构成果与最新的 Gemini 4 进行了统一包装归因。
破局长周期推理：上下文隔离与 23 秒代理评估器
大语言模型应用在跨日、长周期的科学推理时，通常会撞上两堵墙：一是单次生成的逻辑幻觉，二是随着对话上下文膨胀导致的注意力分散与细节丢失。
/teamwork 架构给出的解法是结构化的上下文隔离。在执行多日任务时，每个子智能体只接收当前步骤所需的绝对精简的文件和工具。协调者将任务交接给拥有独立干净上下文的继任者，审查者与审计者在完全不带原作者推理偏见的干净上下文中重新质询与验证，从物理上切断了长上下文的幻觉传递。
AI For Science 的水箱上限，从来不是模型的推理智商，而是外部自动化证伪器的硬度与成本。
为了应对昂贵的评估成本，Google在硬件优化工作流中设计了极具代表性的工程妥协：使用4个智能体构建了耗时仅 23秒的代理评估器，用以替代单次耗时7至32分钟的完整硬件测试，并仅定期使用真实硬件校验排名。在数学领域，则是依靠 Lean 4 编译器作为坚硬的证伪器，只要编译器报错即直接作废分支。
| 维度的比对 | Google Antigravity /teamwork | Anthropic Claude Code Agent Teams | OpenAI Prism (已停运) |
|---|---|---|---|
| 核心定位 | 坚硬证伪器驱动的长周期多智能体管线 | 实验阶段的多智能体协作代码团队 | 人类合著者的 LaTeX 协同编辑工具 |
| 上下文管理 | 强制结构化隔离，继承者使用干净上下文 | 恢复会话易丢失状态，不支持嵌套团队 | 依靠长上下文堆叠，易发生注意力分散 |
| 自动证伪机制 | 集成 Lean 4、软件测试套件、硬件计数器 | 依靠代码编译与内置测试 | 缺乏物理/代码级别的自动坚硬证伪器 |
| 运营现状 | 内部高并行，商业版逐步开放限制 | 处于实验阶段，存在主导者固定问题 | 官方宣布将于 2027年1月1日 正式关闭 |
这种工程解剖揭示了三大巨头在AI科研工具上的分水岭。OpenAI 的 Prism 平台由于停留在辅助人类写论文的工具属性，缺乏坚硬的自动证伪能力，已确定将于 2027年1月1日 关闭。而 Google 与 Anthropic 正在全面转向多智能体调度与自动验证流水线。
算力黑盒与商业化调优的现实鸿沟
尽管Google展示了令人瞩目的数学与工程战果，但对于广大基础科学研究者和开发者而言，要完全复现这些成果仍面临现实阻碍。
Google在发布中坦承，内部科研运行使用了远高于默认产品配置的并行探索节点。出于成本和计算资源的妥协，Antigravity 平台对外开放的商业版本在并行规模上进行了明显缩减。在官方未公开总Token消耗、失败分支尝试次数及真实算力账单的情况下，普通团队无法单凭商业接口重现同等量级的穷尽搜索。
- 提醒.多智能体科研范式的成功极度依赖领域内是否存在低成本、自动化、零容错的证伪器（如 Lean 4、测试用例或代码编译器）。在缺乏此类坚硬证伪手段的生物、医学或开放性人文科学领域，单纯依靠 AI 审查员互审仍无法解决幻觉问题。
接下来科研界需要关注的，一方面是数学界对那 5000 万行 Lean 4 代码的独立审计结果；另一方面则是当外部开发者拿到阉割版 /teamwork 后，在没有顶级算力池支撑的情况下，究竟能否在具体工程场景中复制出宣传中的内核加速效果。