8月4日，多家行业观察汇总披露，OpenAI 宣布其内部版下一代模型 Astra 在10个长期悬而未决的数学与理论计算机科学开放问题上取得新结果，其中部分问题十余年没有核心进展。成果覆盖群论、高维几何、编码理论、算术电路复杂度、量子复杂度、格密码与极值组合等领域，包括构造证明非 sofic 群的存在、推翻 Connes 刚性猜想、给出新的球填充上界、解决若干由数学家保罗·厄尔多斯（Paul Erdős）提出的问题；机器可校验的 Lean 证明已发布在 GitHub 上。OpenAI 称这项工作约花费2000美元算力（按 GPT-5.6 Sol API 费率计），意图是把 Astra 定位为科学家与数学家的实用研究工具。这标志着大模型的能力前沿，正从「答题」向「发现」移动。
一、十道题的分量：十余年未解的开放问题
理解这次突破的分量，要先分清「习题」与「开放问题」。数学竞赛题大多已有标准解法，而开放问题（Open Problem）是数学界公认重要、却长期无人攻克的命题。Astra 触及的群论、高维几何、编码理论、算术电路复杂度、量子复杂度、格密码与极值组合，横跨纯数学与理论计算机科学的核心地带。其中，构造证明非 sofic 群的存在、推翻 Connes 刚性猜想、给出新的球填充上界、解决若干厄尔多斯问题，都不是边缘猜想，而是领域内卡了十年以上的真问题。这意味着模型面对的不再是「有答案的题库」，而是人类尚未填上的知识空白——这是性质上的不同。
二、机器可校验：Lean 证明为什么关键
数学发现最怕「看起来对，但证不了，或者证错了」。大模型此前在数学上的表现，常陷入生成「似是而非的推导」的陷阱。Astra 这次把机器可校验的 Lean 证明发布到 GitHub，意义在于结果可以被形式化验证社区独立核对，而不只是模型自述「我证出来了」。把 AI 数学从「生成自然语言证明」推向「产出可审计的严格证明」，是可信度上的一级跳。它也让「AI 辅助数学研究」从演示走向可被数学界接纳的工作流——研究者可以像审查同事论文一样，逐行验证 AI 给出的证明。
三、成本信号：2000美元算力的「研究助理」
OpenAI 给出的另一组数字同样耐人寻味：约2000美元算力（按 GPT-5.6 Sol API 费率估算）产出了10项新结果。这把前沿模型定位为「廉价研究助理」，而非只能炫技的聊天工具。它与早前报道中 Astra 多智能体长时程协同、能跑完整研究流程的叙事相互印证——Astra 的目标不只是回答问题，而是能规划、检索、推导，最终交付可验证的研究成果。对科研的意义在于，它有望把数学家从繁琐的推导与验算中部分解放出来，加速假设的提出与验证，让人类专家把精力投到更具创造性的环节。
四、客观看：突破与未竟
价值在于，这是 AI 首次在开放数学问题上产出带形式化证明的新结果，是大模型推理能力的一座里程碑，也预示「AI for Science」从生成走向发现的可能拐点。但边界需如实说明：其一，信息来自 OpenAI 披露与行业汇总，具体证明细节与独立评审仍在进行，10项结果的成色（是否均为领域公认重要、是否被数学界全部接受）有待社区核实；其二，模型为内部版本，公开可用时间尚未确定；其三，约2000美元的算力成本按 Sol 费率估算，真实科研落地成本取决于任务复杂度与验证开销；其四，AI 在基础数学上的突破，尚不意味着它已能独立主导需要深刻直觉与跨域洞察的顶尖研究。一切以官方与数学界的最终核实为准，这恰恰也是 Lean 证明被公开的意义——把判断权交还给可验证的社区。