2026 年 2 月，AI 圈与数学圈共同见证了一场历史性挑战 ——11 位全球顶尖数学家发起「First Proof」实验，抛出 10 道从未公开的前沿数学难题，而 OpenAI 的神秘内部模型仅用一周时间，便交出了 67 页的解答报告，宣称至少 6 道题的解答大概率正确。尽管后续社区评审修正了部分结论，但这一事件标志着 AI 已从奥赛解题工具，正式迈向人类前沿科研的协作伙伴，OpenAI CEO 山姆・奥特曼更是直言：「AI 产生真正新知识的能力，无论多么微小，都是重要里程碑」。
一场无作弊的硬核测试：10 道题全部来自顶尖数学家的真实研究
「First Proof」的名字源自烘焙中的「第一次发酵」，11 位出题人将这次实验比作让数学问题在 AI 与社区中「醒发」，其核心目标只有一个：检验 AI 是否真的能做「真正的数学研究」，而非单纯解题。
这场测试的硬核之处，在于问题本身的稀缺性与权威性：
-
出题阵容顶级：出题者包括 2014 年菲尔兹奖得主 Martin Hairer、耶鲁大学谱图论大牛 Daniel Spielman、哈佛大学代数组合学权威 Lauren Williams 等，均来自斯坦福、哈佛、耶鲁等顶尖机构；
-
问题来源真实：10 道题全部源自出题人当前的研究项目，是通往重大定理的「关键引理」，每道题的人类证明仅需 5 页左右，却是优秀研究生都需潜心琢磨的研究级任务；
-
零作弊可能：所有问题从未在互联网、学术会议等任何公开渠道发布，答案加密存储于1stproof.org，从根源上杜绝 AI 通过检索训练数据作弊；
-
领域覆盖广泛：涵盖代数组合、谱图论、代数拓扑、随机分析、辛几何、张量分析等多个核心数学领域，全面考验 AI 的跨领域科研能力。
与传统奥数题、考研题不同，这些问题没有标准答案，甚至部分出题人在提出问题时，也尚未完全敲定最终证明路径，这让本次测试成为对 AI 科研潜力的终极检验。
OpenAI 的「副业冲刺」：一周搞定 6 道题？社区评审揭开真相
消息一出，OpenAI 成为最受关注的参与者。据首席科学家 Jakub Pachocki 透露，这次挑战对 OpenAI 而言只是一次「Side-sprint」（副业冲刺）—— 工程师们利用一款正在训练中的内部模型（非 GPT-5.2，疑似更激进架构），在「有限人工监督」下完成测试：未提供任何解题思路，仅根据专家反馈扩展部分证明，通过与 ChatGPT 的交互完成验证、排版，最终从多次尝试中筛选最优解。
2 月 13 日，OpenAI 提交了包含全部 10 道题解答的 67 页 PDF，自信宣称第 2、4、5、6、9、10 题共 6 道解答「大概率正确」。这一成果引发轰动，OpenAI 核心研究者 Noam Brown 更是高调表态：「STEM 研究即将发生根本性变革」。
但真相在官方答案公布后逐渐清晰。2 月 14 日，First Proof 团队公开正式答案，数学社区随即展开逐题评审，事态出现戏剧性转折：
-
Pachocki 本人承认第 2 题解答「很可能不正确」；
-
社区发现第 5 题、第 7 题的解答存在严重逻辑漏洞；
-
公开 AI 模型（GPT-5.2 Pro、Gemini 3.0 Deepthink）仅答对 2 道题，且第 9 题疑似存在「数据污染」（类似证明已存于旧文献）；
-
最终经《科学美国人》及社区确认，明确正确的解答为第 4、8、9、10 题，实际命中率低于最初宣称的 60%。
尽管成绩有所修正，但这一结果仍超出行业预期 ——AI 首次在从未接触过的前沿数学问题上，独立完成了多篇符合学术规范的证明。
历史性突破：AI 写出 23 页合格研究级证明
抛开争议，OpenAI 模型的部分解答展现出真正的科研潜力，其中第 4 题的证明更是被专家评为「可直接发表于数学期刊」的水准。
这道题聚焦有限加法卷积中 Φₙ函数的调和平均不等式，需要综合运用精巧的线性代数操作、双随机矩阵理解及 Jensen 不等式，OpenAI 模型自主完成了 23 页的自包含证明，逻辑链条完整、推导步骤严谨，完全达到人类研究者的专业水平。
更值得关注的是 AI 的进化速度：2022 年，ChatGPT 还常在基础算术上出错；2024 年，AI 开始解答竞赛题；2025 年，OpenAI 模型拿下 IMO 金牌；2026 年，AI 已能攻克人类前沿研究中的引理 —— 从小学算术到科研级证明，AI 仅用了不到四年时间。
数学家会失业吗？AI 仍是「协作伙伴」而非「替代者」
面对 AI 的快速突破，《科学美国人》给出明确结论：「人工智能目前还不能取代数学家」。核心原因在于，真正的数学研究是一个完整的创新链条，而 AI 目前仅能胜任最末端的「证明执行」环节：
-
数学家的核心价值在于「发现问题」（从纷繁现象中提炼值得研究的课题）、「创造概念」（定义新的数学工具与框架）、「构建理论」（搭建跨领域的逻辑体系），这些需要洞察力、审美判断和开创性想象的环节，AI 尚未触及；
-
AI 的优势则在于高效的逻辑推演、海量文献的快速整合、重复运算的精准执行，能为数学家分担机械性工作，让研究者聚焦更核心的创新环节。
这一判断也得到了行业实践的印证：哥伦比亚大学数学天才 Ashwin Sawhney、意大利数学家 Pagano 等顶尖研究者纷纷从学术界转向 OpenAI、Google DeepMind，他们的理由一致：「AI 将改变做数学的方式，与其被动适应，不如主动参与塑造」。
面团仍在发酵：第二批问题将带来更严格测试
First Proof 挑战并未结束，反而开启了 AI 与数学研究深度融合的新篇章。出题团队已宣布，将于 2026 年 3 月 14 日（π 日）发布本轮测试的详细分析，并计划在未来数月推出第二批问题，届时将设置更严格的评判标准，还将与 AI 公司签订协议，在问题公开前进行受控测试，避免数据污染，打造可复用的科研级 AI 评估基准。
从 OpenAI 的神秘模型到社区的严谨评审，从最初的成绩争议到明确的能力突破，First Proof 挑战的核心意义，在于证明 AI 已成为数学研究中不可忽视的新力量。它或许还带着「19 世纪数学的味道」（出题人评价），但已能在人类智力皇冠上留下自己的印记。
正如奥特曼所言，AI 产生的新知识或许微小，但这一里程碑背后，是 STEM 研究范式变革的序幕。数学这门最古老的纯粹学科，正在迎来有史以来第一个真正的「计算协作伙伴」，而这场「发酵」还在继续，未来的科研图景已初见端倪。