OpenAI宣称解出十大数学难题，高尔斯给出一个更冷静的判断

2026年8月初，OpenAI宣布旗下系统解决了十个数学与理论计算机科学领域的重大难题，其中包括群论里悬而未决多年的非-sofic群构造，以及多色拉姆齐数R(3,3,…,3)随颜色数超指数增长的证明。这两道题分量不轻：前者被不少群论学者视为领域内最重要的未解问题之一，后者是拉姆齐理论里很多人没指望自己有生之年能看到答案的猜想。目前这些成果还停留在OpenAI自己的宣布层面，尚未见到数学界完成同行评审或独立复核的公开记录。

剑桥数学家Tim Gowers在博客里给出一个克制的判断：这些结果确实惊人，但不足以证明大语言模型已经在数学能力上全面压过人类数学家。他的理由很直接——如果AI真的样样都强，凭它的算力和速度优势，重大结果应该像洪水一样涌出，而不是十个案例摆在桌面上等人清点。

发生了什么：十个案例里，藏着一条不均匀的能力线

不是所有难题被"解决"的方式都一样。

Gowers注意到，这十个最出名的成果，加上此前流传的雅可比猜想反例和单位距离猜想反例，大多数是反例或构造型结果——找到一个满足特定条件的具体对象，而不是从头到尾证明一条对所有情况都成立的定理。

这个区别不是文字游戏。反例型任务的验证方式简单：给出一个对象，检查它是否满足条件即可。证明型任务不一样，需要检查整条逻辑链条是否严密，这恰好是同行评审耗时最长的部分。

Gowers随即补了一句提醒：LLM同样能找到困难的证明，不能简单归为"只会找反例"。这条观察目前只是一个线索，不是确定的分类规律——十个案例还撑不起一个普遍结论。

为什么这条线不能简化成规律：量词能改写，推理重心改不了

问题出在"什么算反例"这件事本身没有清晰边界。

Vinogradov证明的"每个足够大的整数都是三个素数之和"，逻辑上可以改写成"对每个N，都存在n≥N使得n不能写成三素数之和"的否定形式。按纯逻辑句式看，这也像是在给一个全称命题找反例。但没人会说Vinogradov找到了反例，他做的是一个正儿八经的定理证明。

苏联数学家Gluskin在1981年确定Banach-Mazur紧集直径的渐近阶时，最终命题也能写成"存在常数c，对每个n，存在两个n维空间X、Y使得距离≥cn"这种带存在量词的形式，看起来像"构造一对反例空间"。但支撑这个结果的是一整套艰深的证明技巧，不是简单枚举。

这两个历史案例说明，命题能否被改写成"寻找某个存在量词对象"的外壳，和这道题实际有多接近"构造/反例型任务"，是两件不同的事。Gowers的核心提醒是：判断一道题是不是LLM擅长的类型，要看数学家实际思考时注意力放在哪一层量词上，而不是看命题能不能被机械改写成存在性陈述。

这对谁有影响：科研人员和实验室该做什么调整

对正在把AI纳入证明、搜索与验证流程的数学和理论计算机科学研究者，眼下更现实的用法，是把LLM当成候选构造和大规模搜索的加速器：让模型批量生成候选对象，人力集中在验证、选题和证明设计这几步。这十个案例还不构成把证明环节整体交给模型的理由，尤其是那些论证链条长、依赖多步技巧的证明型难题。

对评估前沿推理能力和研究型产品方向的AI实验室与技术决策者，这十个案例值得记录，但不该直接当成"数学能力全面提升"的证据。更值得追踪的指标是模型在证明型任务上的表现有没有同步改善，而不只是反例搜索的数量增加——后者更依赖算力堆量，前者才是更难迁移的能力。

接下来最该盯的两件事：一是这十个成果会不会等来数学界的独立复核和同行评审，二是OpenAI或其他实验室能不能在证明型难题上拿出可比数量的案例。Gowers强调的时间戳也值得记住——这是2026年8月初的能力快照，模型能力变化的速度，比任何一篇分析都快。