2026年5月20日，OpenAI宣布使用通用推理模型证伪了数学家埃尔德什提出的平面单位距离猜想，论文证明平面上存在 n 个点至少产生 n^(1+δ) 个单位距离对，打破了长期以来的上界假设。同日，陶哲轩、高尔斯与 Noga Alon 等顶尖学者联合发布评述，人工验证并简化了这个反例。一时间，关于人工智能自主攻克世界级数学难题的舆论迅速升温。
这种狂欢掩盖了一个关键事实：AI并没有顿悟，它是被装配在精密的人机流水线里，靠极度消耗算力的深度搜索趟出了结果。
算力代偿：从高斯整数到自动化漏斗
单位距离猜想的反例构造极其硬核。它的数学本质并非无中生有的直觉突变，而是把经典的高斯整数网格推广至更高维数域，利用类域塔保持根判别式有界，并依赖完全分裂的有界范数素理想，借此提供大量绝对值为1的代数数。
根据公开的研发细节，整套发现流程极为繁复。通用推理模型负责接收命题，通过自动打分流水线初筛后，必须由人工介入挑选潜在方向，再借由 Codex 进行表述精炼，最后交给外部数学家团队简化并完成严谨推广。
人类探索数学遵循广度优先，先浅尝大量方向，遇到阻碍便迅速放弃，因为研究者承担不起数月时间沉没的职业代价。大语言模型则借助并行测试时计算执行贪婪的深度优先搜索。在缺乏严密约束时，模型只会产出成堆看似严密实则荒谬的假证明。正是自动验证器承担了剪枝职责，才让巨大的算力消耗在几分钟内换来确定性反馈，用机器时间强行置换了人类经验。
事后公式构筑的认知陷阱
高尔斯在复盘时给出了一个评估难度的复杂度公式：2^k + t。其中 k 代表专家重构解法所需的最短提示步数，t 代表验证与计算工作量。在单位距离问题中，这套提示被提炼为三步：寻找反例、推广已知构造、引入高次代数数域。
所谓极短的提示序列，不过是人类学者在终点处竖起的事后诸葛亮。
把事后重构的提示步数当作模型的自主生成能力，是极大的认知偏差。这个公式混淆了解题的可读性与探索的盲目性。向后看时，路径清晰得只有三步；向前看时，每一个分叉点都通向无限蔓延的符号泥潭。人类专家能精准剪裁出这三步，是因为深厚的主观审美与数学直觉，而模型在暗室里撞击了数亿次计算才摸到门槛。
- 结论.算力可以压缩机械推导的工时，但目前所有的顿悟表象，本质上都是人工先验在自动化搜索空间里的投影。
基准虚火与开题环境下的3%断崖
行业对外展示的跑分曲线，进一步放大了这种全能幻象。只要翻看测试基准的实际演进，光环背后的裂隙便无法掩盖。
2026年6月12日，基准评测机构 Epoch 发布 FrontierMath v2，原因令人尴尬：此前版本中多达42%的测试题目存在错误，不得不展开大规模修正与下架。更引人担忧的是生态位上的利益交织，OpenAI 作为原始数据集的资助方，获得了实质性的题目及解法特权访问权限，包括 53 个核心解答与 20 道 Tier 4 保留题。未发布的 GPT-6 Astra 随后在 v2 版本上刷出了 97.6% 的高分，但数据污染与先验泄露的阴影始终未散。
当遮羞布被扯下，真实的科研天花板立刻显现。在面向真正未决问题的 FrontierMath Erdős 开放基准中，同样是 GPT-6 Astra，在严格受控的环境下测试 68 道前沿开题，最终仅仅取得 2/68 的解题成绩，通过率约为 3%。面对没有既定答案、没有人类专家预先铺好引导轨道的研究蛮荒地，暴力搜索迅速失效。
这种断层迫使规则制定者改变态度。2026年9月16日，Epoch 正式修改评测政策，在记录中严格区分纯AI自主解决与人类协同解决。业界终于承认，现阶段若无人类高手的脚手架，大模型在高等数学前沿甚至无法维持基本的航向。
- 风险.将基准题库的逼近满分等同于科研攻坚能力的到位，会催生虚假的产业预期，并低估形式化验证（如 Lean 内核）在阻断数学幻觉时的必要门槛。
如今的 AI 确实能在数域迷宫里不眠不休地推演代数细节，但决定往哪一座迷宫探险的钥匙，依然紧紧攥在人类手中。