2026 年 10 月 26 日，OpenAI 宣布在数学、理论计算机科学和物理学三大领域取得历史性突破，涵盖全维度挂谷猜想（Kakeya conjecture）证明、指数时间假说（ETH）证伪以及四维量子场论严格存在性结果。但引发基础科学界强烈反弹的并非突破本身，而是 OpenAI 将产出这些成果的内部发现模型彻底锁入黑盒（同期公开 API 仅上线了 GPT-6 Astra、GPT-6.1 Sol 与 GPT-6.1 Terra），并按自身意愿挑选极少数外部学者优先接触未公开材料，将自己摆在了科学真理守门人的位置上。
相比同样不开源核心模型权重、但坚持走传统同行评审并清晰界定问题边界的 Google DeepMind，OpenAI 选择将机器生成的原始手稿直接抛向学界，或是关起门来搞定向内测。这种做法打破了延续数百年的公开方法、独立复现科学规范，正在把算力垄断直接转化为对全球基础科学议程的分配权。
三大突破与三种截然不同的“放行”标准
OpenAI 此次抛出的三项成果，每一项都踩在现代基础科学的命脉上，但公司为其设定的披露尺度却完全不同。
在数学领域，OpenAI 声称证明了所有维度的局部平滑猜想，进而推导出全维度的挂谷猜想与 Stein 限制猜想。三维挂谷猜想的证明正是纽约大学数学家王虹在今年早些时候摘得菲尔兹奖的核心成就之一。对此，OpenAI 直接放出了 AI 生成的阐述与 Lean 形式化验证代码，让学界自行消化。
计算机科学领域的成果则声称证伪了指数时间假说（ETH）。这一假说直接关系到千禧年大奖难题 P/NP 问题，即某些计算难题是否永远无法找到比暴力穷举快得多的算法。OpenAI 放出了附带 Lean 验证的结果，同时专门组建了由 Russell Impagliazzo、Ramamohan Paturi 和 Ryan Williams 领衔的外部专家组来检验和解释该发现。
到了物理学领域，大门干脆关上了。OpenAI 声称获得了特定四维量子场论（包括描述强核力的量子色动力学 QCD 与标准模型统一完备化）的严格存在性结果，直指另一道千禧年难题杨-米尔斯存在性与质量间隙（不过官方明确表示尚未完全解决质量间隙问题）。这份材料目前被完全扣留，OpenAI 表示将交由诺奖得主 David Gross 领导的团队先行准备阐述，何时公开全看外部专家的评估进度。
这种挑人看稿的做法直接激怒了未能进入名单的学者。得克萨斯大学奥斯汀分校物理学教授 Andreas Karch 直言，由一家商业实验室钦定谁能率先看到基础物理突破是一场灾难。尽管 OpenAI 辩称受邀学者无需签署保密协议（NDA）也不拿公司报酬，但公司官方自己也承认，这种筛选机制必然会制造信息优势。
对于全球基础科学研究者而言，这意味着科研起跑线的彻底倾斜。除了西蒙斯基金会（Simons Foundation）相关倡议资助的学者在 10 月 15 日获准接入该内部发现模型外，绝大多数科学家既拿不到底层工具，也看不到物理学证明原件。顶尖受邀学者被迫充当 AI 黑盒产出的人类翻译官，而局外人只能在等待中丧失后续衍生课题的先发权。
721 份手稿的倾倒与被神话的 Lean 验证
如果说物理学家不满的是不给看，那么数学家们精疲力竭的则是扔过来一堆天书却不给解释。
就在此次发布前不久的 10 月 6 日，OpenAI 曾向 GitHub 仓库一次性倾倒了内部前沿模型产出的 721 份手稿（覆盖 373 个问题族），每个结果的平均算力消耗约相当于 3 小时的 ChatGPT Pro 思考时间。OpenAI 将这些手稿定义为原始研究数据，其中仅有 42% 的顶层结果完成了 Lean 形式化验证。再往前追溯到 9 月，OpenAI 围绕纳维-斯托克斯（Navier–Stokes）方程的高调宣布就曾引发《自然》（Nature）杂志在 9 月 16 日发表社论，严词呼吁透明度、独立验证以及对人类前人研究的合理归功。
没有推导直觉的形式化代码，只是把审稿成本转嫁给全世界的天书。
外界普遍存在一个认知误区，认为只要通过了 Lean 等计算机形式化验证，数学定理就算彻底解决了。但数学界近期联署的《莱顿宣言》（Leiden Declaration）专门戳破了这一迷思。将人类自然语言描述的数学命题翻译为形式化代码时，极易引入定义偏差——机器可能极其严密地证明了一个被偷换概念的命题。布朗大学数学教授 Brendan Hassett 在评价此次挂谷猜想结果时也谨慎地表示，虽然声明看似有据可依，但他本人尚未核查其 Lean 形式化代码。
更核心的问题在于科学理解的缺失。西北大学数学家 Bryna Kra 指出，数学共同体需要的是能够被理解、消化并复用到其他问题上的论文，而不是一段验证通过的机器代码。当 OpenAI 只抛出海量未消化的手稿或形式化证明，却隐匿了背后的思维演进与前人文献归属时，它实际上是把最耗时、最枯燥的逆向工程与勘误成本全部转嫁给了学术界。
对比 DeepMind：公关先行如何撞碎同行评审
同样是用未公开的顶尖模型攻克前沿科学难题，为什么 Google DeepMind 没有招致如此剧烈的学界反噬？答案在于对学术共同体规则的尊重程度。
DeepMind 旗下同样握有未开源核心代码的 AlphaEvolve 与 AlphaProof Nexus，但采取的完全是另一套披露逻辑：
| 对比维度 | OpenAI 内部科学发现模型 | Google DeepMind (AlphaEvolve / AlphaProof Nexus) |
|---|---|---|
| 代表性成果 | 宣称攻克全维挂谷猜想、证伪 ETH、四维量子场论 | 48 次标量乘法完成 4×4 复矩阵乘法、11 维接吻数下界提至 593；解决 9 个 Erdős 问题与 44 个 OEIS 猜想 |
| 材料交付形态 | 批量倾倒 721 份手稿（42% 形式化率）或扣留材料 | 公开具体提示词、验证代码、完整学术论文与 Lean 产物 |
| 学术界协作方式 | 公关先行发布，钦定小圈子牧羊人专家闭门解读 | 严格界定已解决问题的边界，优先走《Nature》等传统同行评审 |
对比之下，OpenAI 的冲突根源在于用科技圈抢发头条的公关节奏，去硬撞基础科学审慎的验证传统。无论是月初倾倒 721 份半成品手稿，还是月末找来几位学术大牛做牧羊人（shepherds）把关发布，本质上都是把学术界的同行评审降格为商业公司发布会后的售后配套服务。
- 风险.当顶尖算力与未公开推理模型完全集中在少数科技公司手中，商业机构的公关周期与学者挑选偏好，正在实质性取代学术期刊与基金会，决定哪些人类难题能被优先攻克、谁又有资格第一时间踏入新大陆。
对于关注这场风波走向的研究者而言，接下来有三个硬指标将直接检验 OpenAI 这些突破的真实成色与开放诚意：David Gross 团队何时向全学界公开四维量子场论的完整证明材料、Impagliazzo 与 Williams 团队对 ETH 证伪的 Lean 定义是否会查出形式化走样，以及 OpenAI 承诺的外部科研算力访问权限究竟会停留在少数精英圈层，还是真正向高校基础科学实验室普及。