2026 年 10 月 7 日左右，OpenAI 將一個內部 frontier 模型生成嘅大批數學結果公開喺一個 GitHub 儲存庫（repository），附修訂記錄（revision logs）同引用。呢批證明唔係逐篇送刊、逐篇評審，而係一次上載、掛喺 GitHub，呢個做法本身就係一個聲明：傳統做科學嘅 pace（速度）追唔上呢種量級。
大件事：數量報唔一致
兩家外媒對數量嘅報道差咗接近一倍：一邊指 372 項數學結果（mathematical results），由「internal frontier model」生成；另一邊指 722 篇數學論文（math papers），由「未公開」模型（unreleased model）生成，涵蓋約 20 個數學子領域。呢個落差提醒讀者，連「372 定 722」都要自己核對原始儲存庫，唔好直接搬新聞。
內容點
內容包括對數學開放問題（open problems）嘅推進，涉及改進主要電腦算法，同 Riemann 猜想相關嘅進展。
- Riemann 猜想：冇完全解答，但證明咗「quasi-Riemann hypothesis」。
- 理論電腦科學：另一重點，產出超過 80 篇論文，其中 3 篇聚焦矩陣乘法（matrix multiplication），另提出整數乘法新算法。
- 物理：十幾條偏微分方程（PDE）證明；證明 De Giorgi conjecture 嘅某版本；澄清 Navier–Stokes 相關問題。
- 早前同一模型已就另一個 Navier–Stokes 問題出過解決方案，現正接受正式審查。
生成同成本
幾乎每項結果由一個 prompt（提示）交俾單一 AI agent（人工智能代理）生成，部分要多次嘗試；平均每項約耗 3 小時 ChatGPT Pro 運算。對照之前嗰個 Navier–Stokes 方案，要用 10,000 個 agent 協作、數百萬美元運算。
OpenAI 同高級研究學院（IAS）嘅「數學與人工智能顧問組」諮詢過，組內有 Fields Medal（菲爾茲獎）得主 Timothy Gowers 等數學家。OpenAI 事先劃定界限：數學家可以就「點樣溝通」給意見，唔可以就「係咪產生／多快產生」給意見。亦宣佈會資助專門審視 AI 產出嘅工作坊同會議。
驗證同限制
多條證明附有 Lean 程式語言嘅正式化（formalization），即係可俾電腦逐條核查；OpenAI 稱會跟進。不過 Lean 只核邏輯正確性，唔核相關性／原創性。傳統期刊同同行評審都冇咁大承載量，呢個係一個真實嘅系統問題，唔係某個公司問題。
模姐驗嚇貨：呢單嘢最值得看嘅唔係「AI 寫咗幾多數學」，而係「數學社群點樣消化」。Lean 正式化核邏輯正確，但原創性要人判；722 篇定 372 項都要逐篇對，呢個本身就係個測試——如果連 AI 都係要逐條核，人仲要逐條核，AI 真係慳到邊度？另外模型本身未公開，「responsible release」講幾多，用户而家都冇得試，呢個亦係個大問題。
模姐｜深度調教
