一句話結論
OpenAI 在 2026 年 10 月 6 日一次公開 722 篇數學論文、372 個結果家族，由一款沒有對外釋出的內部前沿模型產出，平均每題只燒掉約「ChatGPT Pro 思考 3 小時」的算力；其中最受注目的是把黎曼 ζ 函數的無零點半平面推到 Re(s) > 7/8 並排除 Landau–Siegel 零點（即所謂 quasi-Riemann 猜想）。成果很多已經過 Lean 4 形式化驗證，但模型不開源、論文未經同行審查，讓數學界同時出現「史上最重大時刻」與「公關驅動的脅迫性發布」兩種極端評價。
事件全貌：先把數字攤開
| 項目 | 內容 |
|---|---|
| 發布時間 | 2026 年 10 月 6 日（美東時間傍晚） |
| 發布管道 | OpenAI 官方部落格 + GitHub 儲存庫 openai/math（含 PDF、LaTeX 原始碼與 Lean 證明庫） |
| 產出模型 | 一款未發布的內部前沿模型（OpenAI 未公布名稱，並強調目前正「努力負責任地釋出」） |
| 論文數量 | 722 篇 manuscripts，整理為 372 個結果家族 |
| 評估問題總數 | 約 4,000 個數學研究問題 |
| 平均算力成本 | 每個結果約 3 小時 ChatGPT Pro 等級的思考算力 |
| 涵蓋領域 | 約 17 個數學領域（數論、代數幾何、分析、組合、計算複雜度等） |
| 模型與權重狀態 | 未開源、未開放權重 |
這裡最容易被忽略的細節是「怎麼做到的」。一個月前 OpenAI 解決 Navier-Stokes 時，公開的說法是動用 10,000 個 agent 跑 88 小時；這次的規模完全相反——官方描述成「幾乎全部來自單一 agent 的單一提示」，難度靠模型本身的推理深度撐起來，而不是靠算力暴力堆疊。
核心成果清單：這 722 篇裡到底有什麼
以下是社群與媒體交叉整理出的重點成果（均為 OpenAI 宣稱，尚未全部通過外部獨立驗證）：
| 領域 | 成果 | 意義 |
|---|---|---|
| 數論 | Quasi-Riemann 猜想 | 所有 Dirichlet L 函數（含 ζ(s)）與 Q(√-3) 上有限階 Hecke L 函數，在 Re(s) > 7/8 的半平面內無零點（另一版本為 11/12） |
| 數論 | 排除 Landau–Siegel 零點 | 一致性地切掉數論中最麻煩的「異常零點」可能性 |
| 數論 | 希爾伯特第十問題（over Q） | 證明不存在通用演算法判定整係數多項式是否有有理數解——否定解 |
| 代數幾何 | Hodge 猜想（部分） | 證明 CM 阿貝爾多樣體、所有射影 K3 曲面及其自積的有理 Hodge 猜想 |
| 代數幾何 | BSD 猜想（部分） | 證明 Q 上 Selmer 群 corank 為 0 或 1 的橢圓曲線之完整 BSD 主導項公式 |
| 調和分析 | 四維 Kakeya 猜想 | R⁴ 中任何含各方向單位線段的 Kakeya 集，都具有滿 Hausdorff 維數 4 |
| 計算複雜度 | 矩陣乘法指數降到 9/4 | 複數方陣乘法的代數指數上限由 2.371 推進到 2.25 |
| 演算法 | 整數乘法突破 n log n | 提出 O(n (log n)^(1-κ)) 演算法（κ = 2⁻¹⁸²），否定 Schönhage–Strassen 的最優性猜想 |
| 偏微分方程 | 彈性逆問題（3D） | 解決光滑三維等向彈性的 Calderón 唯一性問題，此題自 1994 年懸置至今 |
幾件必須說清楚的事：
- 不是解掉了黎曼猜想。黎曼猜想要求的是所有非平凡零點都在 Re(s) = 1/2 上；這次做的是把「保證沒有零點的區域」往外推到 7/8。這是重大進展，但距離 1/2 仍有距離。同樣地，Hodge 與 BSD 都是部分結果，不是完整證明。
- Millennium Prize 的三題都有「推進」，但推進不等於解決。媒體標題若寫「解開千禧年難題」是過度簡化。
- 有一個數學圈的評語值得記住：若 7/8 這條線是真的，那會是數論兩百年來最大的結果之一。
Lean 4 形式化驗證：這次真正的新東西
這次發布和以往 AI 數學新聞最大的差別，是附上了機器可檢查的證明。
| 項目 | 狀況 |
|---|---|
| 驗證工具 | Lean 4（數學證明助理，編譯器逐行檢查邏輯） |
| 覆蓋範圍 | 部分成果隨附形式化代碼（如矩陣乘法 2.25、quasi-Riemann、Catalan 常數無理性、幾何進程上的 Erdős 相似性猜想等） |
| 已驗證的意義 | 邏輯與計算層面幾乎可視為正確，不需依賴對模型或審稿人的盲目信任 |
| 無法驗證的部分 | ① 未形式化的自然語言論文仍需人工審查；② Lean 只檢查推導對不對，不檢查是否恰當引用前人成果、是否重複發表、是否涉及學術歸因問題 |
換句話說，Lean 解決了「這步推導對不對」，但完全沒有解決「這是不是你自己的功勞」——而後者正是這次爭議的核心。
為什麼數學家不高興：四個具體爭點
| 爭點 | 具體內容 |
|---|---|
| 模型不開源（雙層體系） | 產出成果的模型是專有未發布模型，外部學者無法存取、測試或重現。學界擔心形成「AI 巨頭 vs 傳統數學界」的雙層體系，把數學社群排除在自己的學門之外 |
| 甩鍋式發布（審查負擔轉移） | 一次倒出 722 篇未經同儕審查的論文，等於把免費審稿與驗證的重擔直接丟給數學社群。Peter Scholze 與 Geordie Williamson 在海德堡獲獎者論壇上直接批評這種發布方式具有**「脅迫性」與「公關導向」** |
| 未歸因前人成果 | 《Scientific American》報導指出，先前的球體填充證明使用了 Yeshiva 大學 Steven Miller 2016 年論文的論點卻未加引用（Miller 指控為學術不端）；劍橋大學 Francesco Fournier-Facio 也指出某項非 sofic 群成果實際結合了 2016 與 2019 年既有論文的想法 |
| 提示可能洩漏關鍵洞察 | 紐約大學 Tristan Buckmaster 提出：向 AI 下提示的數學家可能已經給了關鍵提示，模型或許只是把別人的工作「補完」而已。Andrew Sutherland 等人則主張，在獨立重複驗證完成前，所有未形式化的聲明都應視為未經證實 |
官方與學界的表態對照
| 對象 | 立場 |
|---|---|
| IAS AGMAI（普林斯頓高等研究院數學與 AI 獨立諮詢小組） | 2026 年 9 月 29 日彙整 600 多份學界意見後明確表示：不贊成 AI 實驗室在不公開的專有模型上測試高階數學問題；要求公開模型名稱、Prompt、思考鏈與算力成本，並建議成果存放於非 AI 實驗室控制的第三方庫 |
| Terence Tao（陶哲軒） | 共同發起 25 位菲爾茲獎得主的聯合聲明，反對把未解決的數學開放問題當成 AI 模型的宣傳基準；同時評估研究級難題仍能抵擋 AI 多年，但「半專家人類 + AI」協作會在幾年內顯著加速解題 |
| Levent Alpöge | 讚揚 quasi-Riemann 與 no-Siegel-zeros 的結果，稱其為「數學史上最重大的時刻」 |
| Alex Kontorovich | 對黎曼相關結果表達強烈反應（未給出全面背書） |
| Sam Altman | 「一個發現的新時代（a new era of discovery）」 |
和一個月前的 Navier-Stokes 事件差在哪
| 面向 | Navier-Stokes（2026 年 9 月） | 722 篇論文（2026 年 10 月） |
|---|---|---|
| 目標 | 單一千禧年難題（3D Navier-Stokes 有限時間奇異點） | 一次批次攻 4,000 個開放問題 |
| 算力規模 | 10,000 個 agent 跑 88 小時 | 平均每個結果約 3 小時 ChatGPT Pro |
| 發布形式 | 僅部落格文章 | 完整 GitHub 儲存庫（PDF + LaTeX 原始碼 + Lean 證明庫） |
| 學界反應 | 25 位菲爾茲獎得主連署抗議「把難題當公關基準」 | 仍批評，但承認發布透明度確實改善了 |
| 關聯 | — | 這次公開被解讀為 OpenAI 吸收 IAS 建議後，用來平息社群不滿的「透明化」修正版 |
值得注意的是，OpenAI 這次確實公開了完整論文與證明原始碼，也承諾資助一系列研討會、暑期學校與專題計畫，協助數學界理解 AI 產出的成果。但「公開論文」與「公開模型」是兩件事，前者做到了，後者還沒。
對數學研究實務的影響
- 審查瓶頸（review bottleneck）：722 篇人工逐篇核對需要數月到數年，傳統同儕審查機制在數量上直接失守。
- 形式化驗證成為新標準：Lean 這類工具會變成「正確性檢查」的預設門檻，但原創性與歸因仍需人類把關。
- 資源不對等擴大：掌握巨量算力的科技巨頭與資源有限的學術機構差距拉大；研究人員也開始出現「必須購買高價 LLM 訂閱才跟得上同行」的壓力。
- 研究工作流重塑：AI 接手繁瑣計算、猜想驗證與技術推導，人類專注在提出深刻觀點與決定研究方向——這個分工目前看起來是社群最能接受的版本。
小結：這一天該怎麼記錄
如果你是工程師或技術讀者，記住三件事就好：
- 這不是「AI 解開了黎曼猜想」，而是無零點區域推到 7/8、加上一堆部分結果，數量與廣度前所未見。
- Lean 形式化是這次真正的技術亮點，因為它讓「對不對」這件事第一次可以被機器驗證；但它管不到「功勞歸誰」。
- 爭議的本質不是成果真假，而是發布方式與權力結構——模型不開源讓整個數學社群只能被動接受，這才是 25 位菲爾茲獎得主與 IAS 諮詢小組真正在意的點。
OpenAI 已承諾會「負責任地釋出」這個內部模型。在那之前，這 722 篇論文的正確性可以靠 Lean 檢查，但它的意義與歸屬，只能等數學界自己慢慢讀完。
延伸閱讀
- OpenAI 解決 Navier-Stokes 千禧年難題：10,000 個 agent、88 小時的算力攻堅
- Claude 自主發現全新酵素系統 ART：949 個 Agent 跑 21.5 小時找出類 CRISPR 重複序列
- GPT-6 Astra 正式發布：OpenAI 的前沿模型與它的能力邊界
- AI 三巨頭罕見同桌談安全：AEF-1 第三方評估標準出爐
- Anthropic 揭發工業級蒸餾攻擊：7 家中國實驗室用 1.51 億次對話抽取 Claude 思維鏈
原始來源
- New Scientist：OpenAI announces 722 mathematical discoveries in one go
- Scientific American：OpenAI unleashes hundreds more math results upon a field already in shock
- The Guardian：OpenAI’s release of mathematical findings draws concerns from experts
- Latent Space：Quasi-Riemann-Hypothesis — OpenAI publishes 722 math papers
- TechSpot：OpenAI publishes 722 AI-generated math papers as researchers challenge its closed model
- Unite.AI：OpenAI Releases 722 Math Manuscripts From an Unreleased AI Model
- GitHub：openai/math — 論文目錄（CONTENTS.md）
- Techmeme：OpenAI publishes 722 math manuscripts 討論彙整