OpenAI 數學成果公開：722 份手稿、Lean 證明與學界驗收的三道門檻（2026）

2026 年 10 月 6 日，OpenAI 在官網發布了 〈Sharing AI progress in mathematics〉，公開一批內部前沿模型產生的研究。這次 OpenAI 數學成果的焦點，是一套可供研究者檢視的手稿、形式證明與產出說明；讀懂它，得先分清「有成果可讀」「證明可查」和「學界理解其價值」三件事。

AlphaLab 先前的OpenAI 100+ 數學難題分析追問成果何時能逐項檢視；這篇接續處理 10 月 6 日新釋出的目錄與驗證材料。下面先忠實整理原文與倉庫，再對照獨立數學顧問團及 Lean 文件，最後判斷哪些進展值得期待、哪些結論仍需要逐項驗收。

OpenAI 數學成果公開了什麼？先把單位看清楚

We’re releasing a broad range of new mathematical results produced by an internal frontier model.

中文：我們正在公開由內部前沿模型產生的一系列新數學結果。

OpenAI／2026 年 10 月 6 日公告

原文的訴求很直接：讓 AI 的數學研究能力推動人類知識，同時把材料交到社群手上。它提到諮詢 IAS 的獨立數學與 AI 顧問團、提供 Lean 形式化、公開產出資訊，並承諾資助協助理解這些成果的活動。這是一份研究釋出公告，成果的重要性要從實際內容判斷。

官方倉庫 README截至 2026 年 10 月 7 日列出 722 份手稿、372 個成果家族。家族把主要結果、配套論證、推論與替代證明放在一起，所以不能把 722 直接念成「解掉 722 個獨立難題」。數量是目錄規模；新穎性、正確性和影響力是另外三張成績單。

倉庫也解釋研究背景：既有數學評估逐漸飽和，OpenAI 擴大到開放研究問題。總覽 PDF按學科組織家族，手稿索引再連到個別論文與支援材料。比起只看一個跑分，讀者至少可以追到具體命題與論證；但「可追到」仍不等於「已被學界接受」。

最容易誤讀的例子：準黎曼假設與黎曼假設

索引的第 003 家族聲稱得到包含 ζ 函數在內的 Dirichlet L 函數在 Re(s) > 7/8 的無零點區域，並稱為準黎曼假設。這裡先保留「倉庫聲稱」的歸屬：本次檢視的是釋出材料與驗證規則，沒有逐份重跑數學證明。

Clay Mathematics Institute 的問題說明把黎曼假設描述為：ζ 函數的非平凡零點全部位於實部 1/2 的直線上。排除 7/8 右邊的零點，與把全部非平凡零點定位在 1/2，是不同強度的命題。即使前一項證明成立，也不能把它的名稱縮成「AI 證明了黎曼假設」。

這個例子給一般讀者一個好習慣：遇到著名猜想，先讀定理的範圍與條件。特殊情形、較弱版本、界限改善，都可能有研究價值；價值不需要靠抹掉限定詞才成立。

OpenAI 數學成果的 Lean 證明：編譯成功後還要看什麼？

This collection includes results at different stages of verification. Not all have accompanying Lean formalizations.

中文：這份集合包含驗證進度不同的結果，並非每一項都有配套 Lean 形式化。

OpenAI／math 倉庫 README

Lean 把定義、假設與論證寫成可檢查的形式。對 OpenAI 數學成果，這比一份語氣流暢的 PDF 多出重要的核對入口；但入口要看清楚。Lean 官方驗證指南指出，定理的依賴仍使用 sorry 或含有不完整證明時，編輯器仍可能顯示通過標記。檢查定理依賴的公理，才能辨認是否有未完成的部分或額外假設。

更深一層是「證明了哪一句話」。機器檢查的是形式化後的命題；若它與論文自然語言的意思、原問題的定義或必要條件有差距，通過檢查也不能替這個翻譯落差買單。這不是否定形式證明，而是把信任放在正確位置：定理陳述的對應與證明的有效性，都要驗。

OpenAI 的 Lean 材料附有 形式化目錄與 Comparator 檢查入口。獨立的 Comparator 專案說明在其信任與環境前提下，檢查解答是否證明與 challenge 相同的陳述、只使用允許的公理，並通過核心驗證。若 challenge 自身沒有忠實表達研究問題，這套機器流程仍需要人把關。

因此不要把「有 Lean 檔」壓成一個全倉庫的認證章。讀一項結果，應對上論文、主要定理、形式化宣告、允許假設和驗證配置；完成某一項的檢查，才知道那張收據能支持到哪裡。這也呼應 Agent 回歸測試的觀念：驗收規則本身，必須先對準你想保護的行為。

三小時與 4,000 題：研究成本不是產品承諾

OpenAI 在 README 表示，評估過程向模型提出約 4,000 個問題；平均每項結果使用相當於該內部模型約三小時 ChatGPT Pro thinking 的計算量，並公開 10 份精簡推理摘要。這些都是公司對內部流程的說明，不是 AlphaLab 重現的成績。

「等值算力」不能直接換成你開 ChatGPT 等三小時，就會得到一份研究成果。它也不能直接代表完整研究成本：題目選擇、失敗嘗試、形式化、人工整理與後續理解，是否納入同一平均數，需要另有明確口徑。README 列有固定流程的例外，並說部分零點區域論文經人工修改以改善可讀性；不要把整套產出都寫成同一個無人流程。

同樣不能用 372 或 722 除以 4,000，宣布模型的研究成功率。家族、手稿、題目和篩選後結果的單位不同，題目難度也需要界定。讀研究效率，可以先用 DUST 訓練成本比較的兩把尺：成果品質回答做成什麼，計算與完整流程回答付出了什麼；再用 Mistral 推理強度配對評估理解為何多花算力仍需逐任務對照。

AGMAI 的界線：諮詢不是替全部結果背書

This release is the beginning, not the completion, of the process of human understanding

中文：這次釋出是人類理解過程的開始，而不是完成。

AGMAI／2026 年 10 月 6 日聲明（句中節錄）

獨立顧問團 AGMAI 的同日聲明明確說明：它的諮詢角色不應被解讀為對成果影響力的判斷，或對 OpenAI 產出流程的背書。只有數學社群能進行所需的評估。因此，「OpenAI 諮詢了專家」與「專家確認每一項突破」之間，有一道不能省掉的證據門檻。

這場討論也不只是在找錯。9 月 29 日公開建議要求研究能被理解、來源得到恰當引用、修訂留下可追蹤紀錄，並希望成果存放在不受 AI 實驗室控制的學術倉庫。它也要求公布模型、提示、推理摘要、計算成本與嘗試範圍，支持社群主導的理解工作，且對用封閉模型測試高階數學問題表明反對。

OpenAI 公開 GitHub 材料、計算估計與部分推理摘要，是往可檢視性前進；官方仍將產出模型描述為未釋出的內部模型，並把模型釋出與研究活動資助寫成後續工作。不能把這些承諾算成已完成，也不能把部分公開材料等同整個研究工具已向所有數學家開放。

我的判讀：真正的進展，會留下可接續的理解

我同意：把材料拿出來，讓批評有具體對象

這次值得關注的地方，是論證可以成為檢視的對象。若一項結果能經得起定理對應、證明核對和既有文獻比較，它的價值不會因為作者是模型而消失。反過來，一份看似漂亮的文件，也不會因為出自前沿實驗室就自動成立。

我存疑：手稿規模無法替重要性排序

研究不只是把答案放進倉庫。哪些技術是新的、哪些能簡化別人的證明、哪些會打開後續問題，需要專業判斷。這也是為什麼學界理解不應被當成公告之後的行政步驟：它決定結果能否變成其他人可用的知識。更大量的產出若沒有相應的理解資源，反而會擴大驗收隊列。

下一個可信訊號：從個別結果到可重用的方法

我會追三種後續證據：個別結果的獨立檢查與明確修訂；能把關鍵想法講清楚的社群講義或研討；其他研究者用這些方法完成新工作。它們分別回答「成立嗎」「理解嗎」「有用嗎」。單一明星案例值得追蹤，但不能替全目錄的品質做平均。

對關注 AI 能力的人，這批材料是值得認真研究的訊號；對研究者，最有價值的行動是從自己熟悉的一個家族開始。把它與既有方法比較，核對核心命題和形式化的範圍，再記下你能支持的結論。想理解模型能力與整套工作系統如何分開，可以接著讀 當 AI 開始打造 AI；若需要訓練概念的底座，AI 模型如何學習提供另一層背景。