一、”数学末日（Mathocalypse）”事件
2026年10月7日，OpenAI在GitHub一次性发布722份数学手稿，涵盖372类、377个开放数学问题的部分或完整解法。这批手稿由一个未发布的内部AI模型生成，宣称触及多个千禧年难题级别的问题——
这一举动被数学界称为“Mathocalypse”（数学末日），并在学术圈引发巨大反弹。
10月9日，菲尔兹奖得主Terence Tao领导的”人类数学协会（AHM）”正式呼吁数学界抵制OpenAI，并发文称：
“一次性发布700多份文件，不是展示学术成果，而是展示权力。“
二、OpenAI到底发布了什么
| 维度 | 具体数据 |
|---|---|
| 手稿总数 | 722份 |
| 问题总数 | 377个（其中372类聚合） |
| 覆盖领域 | 组合学、几何、数论、理论CS、代数、拓扑、概率、统计物理、数学物理 |
| 算力 | 约8,000个问题被测试，平均每个3小时GPT-Pro级算力 |
| 成功率 | 约5% |
| 形式化验证 | 仅约42%（约300份）通过Lean形式化验证 |
| 已撤回 | 至少3份（专家发现明显错误） |
宣称触及的标志性成果：
- 4维Kakeya猜想（重大几何问题）
- 关键计算机算法的更快速版本
- Riemann假设的进展
- Navier-Stokes方程（百万美元千禧年难题）
这些claim未独立验证——OpenAI未公开模型、参数、prompt或上下文窗口。
三、为什么”5%成功率”已足以引发海啸
表面看5%成功率不算高，但绝对数量惊人：
8,000个问题 × 5% = 400个”成功”。即使有3份被撤回，仍有近400份宣称成果。复杂度理论家Scott Aaronson的评估：
“任何单独一篇都足以成为年度顶级成果。”
换句话说：OpenAI”1周工作量”= 学术界400年的潜在产出。这种产能差距是数学界震惊的根本原因。
四、数学界的5个核心批评
1. “AI slop” 质量极不均衡
NYU数学家Roland Bauerschmidt：
“如果这些论文由一个nobody邮件发给我，我会直接删除，写得太差。“
Monash大学Melissa Lee：
“一位资深同事发现他最喜欢的问题被解决了，但读论文时发现——如果是在期刊编辑部收到，会直接进垃圾桶。”
2. 形式化验证比例低
只有42%经过Lean验证，其他58%逻辑正确性存疑。MIT数学家Andrew Sutherland：
“虽然我预计多数最终会被发现正确或可修正，但我们应该预期部分证明可能包含严重错误。”
3. 缺乏透明度
OpenAI 9月成立的AGMAI顾问组（数学与AI顾问组）明确建议OpenAI不要在内部模型上测试高级数学问题。OpenAI 9月纳流表面，10月绕过顾问组直接发。
顾问组成员Sutherland：
“OpenAI应该也公开模型失败的数千个问题，这是开放科学的方式。但他们不会这么做。”
4. 把验证成本推给学界
Tao的核心担忧：
“AI prompt用户自主解决问题后，对领域本身无兴趣，无法给出讲座或与领域互动，产生的研讨会和合作比传统突破少得多。”
“开放问题正以不可持续的方式被大规模采集，留下的数学领域比这些’传统Math 1.0方式’解决问题前要贫瘠得多。”
5. 抄袭与版权争议
AHM声明还隐含提到OpenAI的版权诉讼，暗示这些成果只有在数学家作品上训练才可能实现——无论合法与否。
9月的Navier-Stokes争议更直接：OpenAI宣布解法后，恰好在两位数学家准备展示自己用ChatGPT解法之前。OpenAI否认使用了这些数据。
五、Anthropic的对照：付费合作模式
对比Anthropic的“合作研究员模式”：
| OpenAI模式 | Anthropic模式 |
|---|---|
| 批量发布原始AI证明 | 与算法研究员合作，AI提供关键思路 |
| 学界”免费”做可读化工作 | 研究人员获补偿，写人类可读版本 |
| 公开 不公开 失败案例 | 公开发表可读论文 |
| 引发”Mathocalypse”反弹 | 无大规模抗议 |
Anthropic的合作模式让AI做辅助而非替代，但也带来新问题：私营公司选择”谁”做”大使”。
Terence Tao在Mastodon提出“Math 2.0”时代：数学的价值不在解决问题，而在解释与社区建设。这与昨天的”AI专精化”叙事形成有趣对比——AI解决问题，但需要人类维护理解。
六、5个值得记住的关键事实
- 发布时间：2026-10-07
- 手稿规模：722份、377个问题、覆盖8+数学领域
- 关键数据：5%成功率、42% Lean形式化验证、3份已撤回、8,000问题测试、3小时GPT-Pro算力/问题
- 核心人物：Terence Tao（菲尔兹奖，AHM主席，呼吁抵制）、Scott Aaronson（”Mathocalypse”命名者）
- 组织反应：AHM（800+数学家）呼吁抵制、AGMAI顾问组被绕过
七、5个常见疑问
Q1：OpenAI做了错事吗？
这不是简单的”对错”问题。数学界主流观点是：发布本身是好事，但方式——缺乏验证、缺乏失败案例公开、把验证成本推给学界——是”权力展示”而非”学术贡献”。
Q2：这些”数学证明”真的有效吗？
部分有效。42%通过Lean验证的逻辑上可信；其余58%多数也”可能正确”但难以人工审阅。3份已撤回说明”未经验证”风险真实存在。
Q3：Terence Tao为什么要抵制？
Tao不是反对AI做数学，而是反对”自动化产出的不可持续”。他的担忧是：问题被解决但没被理解，导致数学作为”理解学科”被破坏。
Q4：对AI行业有什么影响？
三重影响：① AI公司”在内部模型上做敏感领域研究”的伦理边界被质疑；② 学术合作模式（OpenAI vs Anthropic）成为新关注点；③ 期刊、预印本、资助机构可能引入”形式化验证要求“或”披露规则“。
Q5：和昨天arXiv限流有什么关系？
两件事是同一冲击的两面：
- arXiv限流：防御性应对AI内容挤压传统出版
- OpenAI数学争议：进攻性释放AI产出的学术成果
前者是出版平台自救，后者是AI公司用产能优势挑战传统学术。
八、为什么这条值得收藏
这起事件不是”AI vs 人类”的简单对抗，而是AI对学术生产关系的根本冲击。三个层面的影响：
对AI公司：
- “大批量AI产出”策略面临学术伦理反弹，OpenAI的发布模式可能成为反例
- Anthropic的“合作研究员付费”模式被证明更可持续
- 未来可能要求同步公开失败案例，才符合”开放科学”标准
对学术界：
- 数学界首次集体抵制头部AI公司（800+数学家签署）
- 形式化验证（Lean等）从”加分项”变成”必要项“
- 期刊、预印本、资助机构正在制定AI时代的新规范
对AI治理：
- “自动化产出的学术成果”被列入伦理风险清单
- 学者、AI公司、监管机构需要建立三方协商机制，避免类似事件
- Terence Tao的“Math 2.0”理念可能成为新框架——AI解决问题，人类维护理解
对于企业级AI使用者，这起事件的启示是：
- 不要在内部”自嗨”用AI批量产出”成果”——需要可读的文档、可验证的过程、可被领域专家理解
- 与领域专家付费合作比”AI自助”更可持续
- 长期来看，专业判断+AI辅助比AI自动化+人类审核更高效
当AI能在5%成功率 × 3小时/问题的算力成本下产出数学界400年的潜在产出时，学术界的回应将是未来10年最重要的AI社会议题之一。”Mathocalypse”不是终局，而是新平衡的开始。
📚 信息来源
- Scientific American 10/8：Mathematicians marvel, and grumble, at OpenAI’s trove of new results
- Daily Mail 10/9：”Mathpocalypse”：AI systems crack hundreds of unsolved problems
- US Brief 10/7：OpenAI posts hundreds of AI-made math results, and mathematicians ask for proof
- Futurism 10/9：Mathematicians React With Fury as OpenAI Releases Hundreds of New AI-Generated Proofs
- TPS Report 10/9：OpenAI Boycott Call: 700+ AI Math Proofs Spark Mathematician Backlash
- ZeroHour 10/8：Some mathematicians call for OpenAI boycott after AI-generated proofs flood their field
- Hacker News Today 10/11：’Pure insanity’: Mathematicians react to OpenAI’s math results drop
- Superintelligence News 10/6：OpenAI’s Math Push Is Stirring Alarm Among Mathematicians
本文为编辑独立撰写的AI行业趋势分析。所有数据来自上述公开信源及OpenAI GitHub仓库（openai/math，2026-10-06发布）。OpenAI”42% Lean验证”数据来自其官方README；具体手稿数字（722/372/377）在不同信源间略有差异，以GitHub为准。Terence Tao个人立场代表AHM集体声明，不一定代表UCLA或全体数学家。本文不构成对任何数学成果可读性的判断。