最近关于OpenAI数学测试的讨论挺热闹,一边是社交平台上“AI秒破数学难题”的片段刷屏,一边又有数据说4000道题里91%没做出来,反差大到让人忍不住想问:这会不会是营销套路?
其实把两边的信息拼到一起,答案反而挺清晰。根据2026年11月澎湃新闻的报道,陶哲轩在科学与人工智能峰会上提到的“9%成功率”,对应的是OpenAI用尚未公开发布的模型挑战约4000道人类未解数学难题的结果。这些题不是课本里的课后习题,也不是竞赛真题,而是数学界悬而未决的开放问题,本身就没有现成解法,难度远高于常规基准测试。
那为什么大家印象里AI数学能力好像特别强?这就是陶哲轩说的“选择偏差”。社交渠道天然会传播那些成功的、有冲击力的案例——比如AI给出某个知名猜想的可能证明,这类内容自带话题性,转得特别快。而剩下那些没做出来的题,既没有爆点也没有讨论度,自然不会被广泛分享。只看社交平台上的片段,很容易高估AI的实际水平。
从OpenAI公开的信息来看,这次测试更像是一次能力边界的探索,而不是精心包装的营销事件。2026年10月中金网的报道提到,因为现有数学测试已经接近模型能力上限,参考价值下降,研究人员才转而用真实的未解难题来评测。最后筛选出的372组相关成果,平均每个都耗费了约3小时的推理计算,还生成了722篇学术论文。其中约160篇附带了可由计算机自动检验的Lean证明,剩下的OpenAI也明确说明尚未验证,可能存在问题。
如果真的是营销套路,大可以只挑最亮眼的成果放大宣传,没必要把4000道题的总测试量、9%的成功率、未验证结果的风险这些信息都放出来。甚至连后续的调整也很坦诚——比如发布后因为符号错误撤回了3篇论文,这些细节都没有被刻意掩盖。
真正值得关注的,其实是这种“批量提出可能解、再逐步验证”的新模式。以前数学研究的瓶颈在“想出来”,现在AI能快速产出大量候选结果,瓶颈反而变成了人类的审核速度。OpenAI还专门资助研讨会和学术会议,帮助数学界消化这批成果,这种做法更像是在推动领域协作,而不是单纯的营销造势。
说到底,AI的数学能力既没有社交片段里吹得那么神,也不是“全靠营销”的空架子。它只是在一个全新的难度维度上,交出了一份还在验证中的答卷。