OpenAI 用 Astra 模型攻克 10 道数学难题，数学家既兴奋又担忧

核心亮点

OpenAI 宣布其尚未发布的 Astra 模型攻克了 10 道长期悬而未决的数学难题，领域涵盖球体堆积、纠错码与非 sofic 群的存在性等。配套发布的超 250 页论文与 Lean 形式化验证结果，让这次"AI 做数学"不再是演示，而是可审计的严格证明。

具体能力或事件经过

这些难题此前卡住人类数学家多年。Astra 给出的解答不仅给出结论，还附带可被 Lean 证明助手逐行核验的步骤，意味着机器可读、可复现。OpenAI 选择把过程公开而非仅宣布战绩，是要让数学界能亲手检验。论文厚度与验证完整性，显示出这不是偶然猜中，而是系统性的推理能力。

技术细节

Astra 的工作方式接近"形式化定理证明 + 大语言模型搜索"：模型在 Lean 的环境中提出引理、构造证明草图，再由验证器判定是否正确。球体堆积涉及高维几何优化，纠错码关联代数结构，非 sofic 群则属群论前沿。能在同一模型上横跨多个子领域，说明其推理具备一定通用性。

与竞品对比

Google DeepMind 的 AlphaProof、Meta 的定理证明探索同样在攻数学，但多聚焦单一赛事或子领域。Astra 一次性覆盖十个跨子领域难题并提交完整验证，体量与广度更突出。相比仅输出自然语言的模型，绑定 Lean 验证让结果可信度明显更高。

行业影响或适用场景

对数学研究，AI 正从"辅助计算"升级为"合作证明者"，可帮人类打开长期死角；对教育，形式化证明能成为教学与新兵训练资源。让数学家担忧的是：当机器开始批量产出人类难以理解的证明，学术评价与署名机制将面临重构。说白了，Astra 既像一位不知疲倦的博士后，也像一道慢慢遮住人类光环的影子。