一句话总结
9 月底，独立数学家顾问组刚建议 AI 公司「不要把数学成果当营销工具」；10 月 7 日，OpenAI 就把 722 篇数学手稿一次性推上了 GitHub。这些手稿来自一个内部未发布的模型，官方口径是：平均每个结果花掉约 3 小时 ChatGPT Pro 算力，整个评测过程中模型被喂了大约 4000 道题，最后聚合成 372 个结果族。其中最受关注的一处，是 README 里点名的 CM 阿贝尔簇上的 Hodge 猜想——千禧年七大难题之一。
数据来源：OpenAI 官方仓库 openai/math（2026-10-07 首次提交，README / CONTENTS.md / formalization.yaml / overview.pdf 均取自仓库公开文件）、The Verge 同日报道（记者 Robert Hart）。
这次放出的到底是什么
不是一篇论文，也不是一个基准分数，而是一整个资料库。openai/math 仓库根目录下并列着四个东西：preprints/（722 个目录，每个放 PDF、源文件与引用说明）、lean/（形式化证明库与 formalization catalog）、reasoning_traces/（抽出的推理摘要）、以及一份把全部结果串起来的 CONTENTS.md 清单。README 对仓库内容的定义只有一句：
This repository contains mathematical manuscripts and supporting proof artifacts produced by an internal OpenAI model.
一个直观的细节：仓库只有 1 次 commit，作者显示为 Anonymous，License 是 Apache-2.0。它不是「开源研究过程」，而是一次性的成果倾倒——这也正是争议的起点。
按 overview.pdf 的分支目录，这些结果铺得很开：数论、代数与复几何、实与复分析、凸几何、理论计算机科学、动力系统与遍历论、组合数学、代数、概率与统计力学、数理逻辑、群论、数学物理、算子代数、拓扑、泛函分析、微分几何、偏微分方程……基本覆盖了纯数学的主要分区。
数字怎么来的：约 4000 道题、每个结果约 3 小时
README 里有一段把口径写得很清楚的话，值得原样记住：
On average, each result used three hours of ChatGPT Pro thinking compute with that model. Over the course of the evaluation, the model was posed approximately 4,000 problems.
翻译一下：模型被喂了大约 4000 道开放研究问题，平均每个最终结果消耗约 3 小时的 ChatGPT Pro 级思考算力；随后把输出聚合成结果族与手稿，并「要求达到适当的显著性水平」，才得到现在这份目录。
这里有个容易被忽略的口径差异：README 说的是被喂了约 4000 道题，而最终公布的是 722 篇手稿 / 372 个结果族。也就是说，题目数量远多于产出数量——中间经过了「聚合 + 显著性筛选」。OpenAI 自己把这段写成了方法说明，而不是把 4000 道题都算成「成果」。
另外附带说明：OpenAI 在 9 月曾表示其模型「在大多数数学领域解决了 100 多个长期开放问题」。从「100 多个开放问题」到这次的 372 个结果族，规模确实在放大。
校验的缺口：162 篇有 Lean，560 篇没有
这是整件事里最该盯住的地方。
仓库带了一个 Lean 形式化库（lean/formalization.yaml）。把 722 个手稿目录与形式化目录逐条对齐后，能对应到形式化证明的约为 162 篇，占 22.4%；剩下约 560 篇（77.6%）没有机器可查的证明。这不是外界猜的，是仓库自己的数据能算出来的。
更值得说的是时间分布：把目录名里的日期拆开统计，9 月 22 日至 27 日那批（共 566 篇）里有 159 篇带 Lean；而最后几天新增的 143 篇（10 月 3–6 日，其中 112 篇集中在 10 月 5 日）一篇都没有 Lean。换句话说，越是新近的结果，越缺机器校验。（另有 2 个目录未标注日期，因此这里按 720 篇分组。）
OpenAI 对此没有回避，README 原文是：
This collection includes results at different stages of verification. Not all have accompanying Lean formalizations. We will continue to update this repository with Lean formalizations as we obtain them.
后一句还补了半句：「部分未形式化的结果可能存在问题」（Some of the unformalized results could have issues）。这句自我保留，比任何外部质疑都更有分量——它等于承认：722 这个数字里，混着不同成熟度的东西。
好消息是，模型这次不只交了结论，还交了思维过程摘要。reasoning_traces/ 目录下公开了 10 个结果族的推理链（族 007、017、087、102、159、197、221、271、287、362），从「π 的无理指数是 2」到「Mézard–Parisi 公式」，都是可以逐段读的。
两处例外：Hodge 猜想与 ζ 函数
README 把「不按标准流程走」的工作单独点了出来：
Exceptions to this fixed procedure include work on a zero-free region for the Riemann zeta function and proof of the Hodge Conjecture for CM abelian varieties.
CM 阿贝尔簇上的 Hodge 猜想——Hodge 猜想本身是千禧年七大难题之一，CM 情形是它的一个重要特例方向。The Verge 在报道里也确认，这批结果中「包含与一个千禧年难题相关的结果」。另有黎曼 ζ 函数的无零点区域工作，其中 Re(s) > 11/12 的那份写作为了可读性经过了人工编辑——这一条 OpenAI 主动写在了 README 里，属于必要的披露。
需要说清楚的是：这不等于千禧年难题被解决。README 只说自己做了 CM 情形的证明工作，而完整 Hodge 猜想仍在开放状态。把它读成「AI 攻克千禧年难题」，是对这批材料最常见的误读。
时机很微妙：顾问组 9 月底刚说「别把数学当营销」
更耐人寻味的是时间线。今年 9 月底，一个名为 AGMAI（Advisory Group on Mathematics and Artificial Intelligence）的独立数学家顾问组发布了第一份建议，其中明确要求 AI 公司：
- 尽快发布数学结果，且尽量走既有学术渠道；
- 披露模型名称、提问方式与算力成本；
- 「不要把数学结果的发布当作推广自家模型的营销手段」（refrain from treating the release of mathematical results as marketing vehicles）。
不到两周，722 篇手稿就以「一次 commit 全量倾倒」的方式上线了。OpenAI 对此的说明是：这批结果通过 GitHub 仓库发布，带有论文修订与引用协议，同时也在探索其他符合委员会指南的社区托管方案。
客观地说，这次发布确实附带了算力估算、题目数量、推理摘要和形式化清单，比「只发一条推文宣布突破」要透明得多。但「GitHub 一次性倾倒 722 篇、其中 560 篇没有机器校验、全部未经同行评议」这套做法，仍然把数学界推到了一个不轻松的位置：没有任何一个数学社区能在一夜之间消化 722 篇手稿。
争议的另一半指向更现实的问题：这些结果建立在大量人类数学家的既有工作上，如何署名、如何引用、如何区分「模型独立完成」与「模型站在前人肩膀上」，行业至今没有共识。The Verge 的报道把这一年的状态概括为——AI 实验室冲进数学的速度，已经让研究实践、学术伦理与署名规则同时承压。
为什么这件事值得记一笔
抛开立场，三个可验证的事实值得留下：
- 规模真实存在：722 篇手稿、372 个结果族、约 4000 道题的评测过程，都能在公开仓库里逐条点开核对，不是宣传语。
- 校验缺口是明账：能对上 Lean 形式化的约 162 篇（22.4%），越新的批次越少；OpenAI 自己也承认未形式化的部分「可能存在问题」。这个比例，比「多少个开放问题被解决」更能说明当前的水平与边界。
- 发布机制正在被倒逼成形：顾问组的建议、仓库的修订与引用协议、推理摘要的公开，都是这一轮之后才被迫明确下来的规则。对后来者来说，这套「怎么发、发什么、披露到哪一层」的默契，可能比 722 这个数字更有长期价值。
对普通用户而言，最直接可用的部分反而是 reasoning_traces/ 里那 10 份推理摘要——它们展示了大模型在真实前沿问题上的思考长相：不是灵光一闪，而是大量失败的路线、被排除的构造和一步步收紧的界。想理解「AI 做数学」到底长什么样，从那里开始读，比看新闻标题有用得多。
总结
- 10 月 7 日，OpenAI 在 GitHub 公开
openai/math：722 篇手稿 / 372 个结果族，来自内部未发布模型； - 官方口径：评测约 4000 道题，平均每个结果约 3 小时 ChatGPT Pro 算力，结果经聚合与显著性筛选；
- 校验是明账：约 162 篇带 Lean 形式化（22.4%），其余约 560 篇未经机器校验，全部未经同行评议；
- README 点名两处例外：CM 阿贝尔簇的 Hodge 猜想与 黎曼 ζ 函数无零点区域（后者写作经人工编辑），但完整 Hodge 猜想仍开放；
- 发布时机紧贴 AGMAI「别把数学当营销」的建议，把「AI 与数学界如何相处」的问题从伦理讨论推向了具体机制。
图片出处：封面与「数字解剖」「校验缺口」示意图由 UU AI Hub 自制；仓库首页、CONTENTS.md、reasoning_traces 目录、overview.pdf 与 π 推理摘要页面取自 OpenAI 公开仓库 openai/math。
