OpenAI 公布三项 AI 产出的数学与物理结果，并把「怎么发布」做成了实验

OpenAI 于 2026 年 10 月 26 日公布三项由其内部模型产出、并已在 Lean 中形式化的结果：任意维度的局部光滑猜想、指数时间假说被否证、以及含规范场与费米子的四维量子场论存在性；同时公开了 AI 手稿与形式化证明，并试验三种不同的学术协作与发布方式。

这次发布的是什么

OpenAI 在 2026 年 10 月 26 日发布一篇说明，公布三项由其内部模型产出的结果，分布在数学、计算机科学与物理学三个方向；同时公开了 AI 生成的论文手稿与 Lean 形式化证明，并说明他们打算怎么把这些结果交给学术社区检验。

第一项在调和分析。官方称模型给出了任意维度下局部光滑猜想的证明，因而也在所有维度上解决了 Kakeya 猜想与 Stein 限制猜想，新证明基于一个此前未出现的辅助偏微分方程。按公告给出的时间，AI 的输出在 2026 年 10 月 18 日取得，次日完成 Lean 形式化。

第二项在计算复杂性。官方称其系统证明了指数时间假说（ETH）为假，该结果随后在 Lean 中得到验证；自然语言的反证于 2026 年 10 月 16 日产生，10 月 17 日完成形式化。ETH 过去被广泛当作成立的前提，用来推导大量条件性计算困难结论，被否证意味着这些推论的基础需要重新审视。

第三项在量子场论。官方称给出了某些含规范场与费米子的四维相互作用量子场论的存在性证明，涵盖量子色动力学与标准模型的一个统一补全；作为子问题，还包括纯 Yang-Mills 理论的存在性，而后者属于 Clay 数学研究所千禧年难题之一。公告特意加了范围说明：这项存在性证明针对的是包含标准模型规范场与费米子的最简单大统一理论，而不是标准模型本身，因为标准模型不能外推到任意短距离。

需要说清楚的是，这些都是 OpenAI 自己的公布。Lean 形式化能证明「从公理到结论的推导链条无误」，但不能替代数学界对「这个形式化是否忠实表达了原命题」的审读；物理那一项，官方也说明外部小组决定暂不公开 AI 产出的原始材料。

可用性与限制

• 材料公开程度分三档：数学与计算机科学的 AI 手稿与 Lean 证明已公开在 GitHub 仓库；物理部分的 AI 产出材料暂不发布，由外部小组自行撰写。
• 未披露模型：公告通篇只说「我们的模型」「我们的系统」，没有给出具体型号与版本，因此无法据此推断是哪一个模型完成的。
• 独立复核尚未完成：计算机科学方向由外部小组牵头检验，数学方向是公开材料、由社区自行组织解读，物理方向由小组决定发布节奏。公告本身也把这些手稿定位为「原始研究数据」，不是已完成理解的科学结论。
• 不寻求署名：公告明确不为模型产出的发现寻求学术署名，也不把受邀参与引导的研究者视为原始发现者。
• 参与规则：参与者不需要签保密协议，可自由讨论与发表；参与自愿且无报酬，结论属于参与者自己，不代表 OpenAI。
• 适用范围：这是一次「发布方式」的实验，公告自己说还不知道三种方式里哪种更有用。

主要功能

• 公开 AI 自然语言手稿，供任何人下载与审读
• 公开 Lean 形式化证明，供机器验证推导链条
• 就计算机科学结果成立外部检验小组，并公开全部原始数据
• 为解释这些结果资助学术会议与研讨
• 就物理结果交由外部小组决定材料发布节奏
• 明确不寻求学术署名、不要求参与者签保密协议
• 向基金会提供资助，用于支持研究者理解与延伸这类产出

技术原理

理解这次发布，要分「模型做了什么」和「人做了什么」两件事。

模型产出的是自然语言形式的研究手稿——也就是一段可以被数学家用日常符号读下去的证明或反证。这一步的关键难点不在算力，而在搜索：模型要在巨大的证明空间里找到一条能走通的路，公告里对第二项的说法是「找到了自然语言的反证」，说明它给的是一个结构性反例，而不是数值实验结果。

人做的是形式化。Lean 是一个交互式定理证明器，把命题与证明写成机器可检验的代码；形式化通过，意味着从公理到结论没有跳步，也不存在隐含假设。但形式化本身也引入新的信任问题：写形式化的人要把原命题翻译成 Lean 的定义，如果翻译时把条件写弱了，机器验证通过也说明不了原命题成立。这正是为什么公告要成立外部小组来牵头审读，而不是自己宣布结论。

发布方式本身也是一层设计。公告提出三种策略：数学是直接公开 AI 输出，让研究者自己组织解读；计算机科学是先成立外部小组解释结果，同时公开 AI 输出供任何人检验；物理是由外部小组主导，材料发不发布由他们决定。公告坦言这三种方式各有取舍——邀请哪些人做初始引导，本身就会塑造谁先参与、并造成信息不对称。

实际体验

这类发布没法「上手试用」，但可以按下面的方式自己核一遍，而不是只看标题：

第一步，看仓库结构。在 GitHub 的 openai/math 仓库里，preprints 目录按「结果名 + 日期」分目录存放，另有一个 lean 目录与 overview 文件；先读 overview，再按需进具体目录，比从头翻快得多。

第二步，分清「已验证」与「已宣称」。Lean 目录里能编译通过的部分，说明形式化链条自洽；但「这条 Lean 命题是否就是数学家所说的那个猜想」，要对着定义逐条看，这一步没有捷径。

第三步，盯外部小组的公开动作。计算机科学方向的小组已表示会公开自然语言证明与形式化，并邀请社区参与检验；物理方向的小组则选择自己撰写。两条线的进展节奏不同，读新闻时不要把三者当成同一成熟度。

第四步，注意时间戳而不是标题。三项结果的自然语言产出分别发生在 9 月与 10 月，形式化在其后数日完成，公告到 10 月 26 日才发；「什么时候证明出来的」与「什么时候公布的」是两件事。

项目地址与获取方式

公告与说明在 OpenAI 官网的 index 路径下，标题为与学术社区共建科学理解。AI 手稿、Lean 证明与总览文件在 GitHub 的 openai/math 仓库，采用 Apache-2.0 许可，可自由下载与引用。物理方向的材料暂未公开，公告留了对外联系邮箱用于协作沟通。引用这些结果时，建议同时标注「OpenAI 公布」与「独立复核进展」，不要写成已有学界共识。

适合谁用

• 做数学或理论计算机科学研究的人：这是当前能拿到的最完整的一手材料，含手稿与形式化两层。
• 关注 AI 科研能力边界的人：三项结果的领域跨度，比单点跑分更能说明当前模型能推进到哪一步。
• 做形式化验证的工程师：Lean 证明与手稿并存，是研究「自然语言证明如何转成机器可检验代码」的现成样本。
• 科技内容与政策研究者：公告里的协作原则与三种发布策略，本身就是一份「AI 产出的成果该怎么署名」的实践样本。
• 不适合当成产品能力宣传：官方未披露模型，也没有给出可复现的调用方式。

常见问题

这些结果算不算已经被学界认可了？

还不能这么说。公开的是 AI 手稿与 Lean 形式化，计算机科学方向已成立外部小组牵头检验，数学方向由社区自行组织解读，物理方向的材料暂未公开。形式化通过说明推导链条自洽，但「形式化是否忠实对应原命题」仍需人工审读。把它读成「已公布、待检验」比读成「已被证明」更准确。

为什么物理那一项不公开 AI 产出的材料？

按公告，这是外部小组自己的决定——他们选择暂不发布 AI 产出的原始材料，改由小组自行撰写。这是三种发布策略里最保守的一种，公告也把它列为一种实验：材料发布节奏交给外部专家判断。

用的是哪个模型？

公告没有披露。全文以「我们的模型」「我们的系统」指代，既没给型号也没给版本。因此任何「由某个具体型号完成」的说法都缺少一手依据。

Lean 验证过了，为什么还需要数学家？

因为形式化要先把命题翻译成代码。翻译过程中条件的强弱、定义的口径都会影响结论；机器只能保证「从写下的前提出发推导无误」，不能保证「写下的前提就是你想证的那个命题」。这就是公告要引入外部小组、并公开全部原始数据的原因。

这对普通用户有什么影响？

短期没有直接影响——没有对外接口，也没有产品化。中期看，它更像一次能力边界的公示：模型能在多大程度上推进前沿研究，以及学界愿意用什么样的流程接收这类产出。这两件事会反过来影响模型厂商后续的训练与发布策略。

相关工具与内容

• OpenAI 发布 GPT-6.1 Terra
• OpenAI 前沿模型训练环境断网
• ChatGPT 工具页
• AI 学习教育
• 其他 AI