如果用一句话概括 OpenAI 新模型 Astra 引起的震荡，很多人会说：“2000 美元攻克十道数学难题。”这个数字被写进了几乎所有报道的标题，它干净、锋利、容易传播。但正是在这种干净的传播效率里，问题最危险的部分被藏起来了。2000 美元不是这十道题的完整成本，它是一次精心设计的成本披露，一把被锯掉刻度才递到公众手中的尺子。
这把尺子量出的不是完整成本，而是 OpenAI 希望市场接收的信号强度。要理解这件事到底意味着什么，需要把“2000 美元”拆开，看清楚哪些成本被排除在外、哪些环节被折叠进叙事、以及这个模型在数学证明上到底做成了什么、没做成什么。
Astra 是什么
Astra 是 OpenAI 尚未正式发布的全新模型家族，定位与现有的 Sol、Terra 和 Luna 并列[4]。它的核心能力不是更快地回答问题或生成代码，而是驱动多个 AI 智能体长时间协同工作以解决高难度问题——OpenAI 首席执行官 Sam Altman 本周已亲赴华盛顿特区向监管机构演示了这一能力[10]。目前 Astra 的具体发布时间未定，内部还在讨论它应该被标记为 GPT-6 还是 GPT-5 系列的子版本[4]。
理解 Astra 的位置，可以用今年上半年两个已知案例做参照：GPT-5.6 Sol Ultra 曾用 64 个子代理在一小时内完成了循环双覆盖猜想的证明，Claude Fable 5 推翻了 87 年的雅可比猜想[12]。这两个事件表明，AI 已经能够解决单点难题。Astra 的不同在于它尝试了一次性跨领域批量攻坚——十道题横跨高维几何、编码理论、群论、量子复杂性和极值组合学，而不是聚焦在一个方向。
但这不等于说 Astra 已经具备了数学家式的洞察力。这十道题的来源暗示了更谨慎的解释：其中至少五道来自 First Proof 挑战赛，一个专门为测试 AI 数学能力而设计的问题池，由人类顶尖专家出题[9]。OpenAI 在今年二月就公开了针对这些题目的解题证明稿，社区反馈认为第 4、5、6、9 和 10 题的证明“很可能正确”，第 2 题的证明稿件在进一步分析后被撤回[9]。如今公布的十项成果，是在那次尝试的基础上迭代完成的。这意味着 Astra 承担的是证明生成环节，而问题选择权——数学家最核心的智力贡献之一——仍由人类完成。选题的是人，跑证明的是模型。
一次证明的生成流程
要理解“2000 美元”为什么是问题而不是答案，需要先理清 Astra 完成一次数学证明的完整流程。
根据 OpenAI 的说明，Astra 的证明生成大致分三步：模型接收一道数学问题，生成论证路径；人类研究员协助撰写论文手稿并整理格式；模型进一步将论证转化成 Lean 代码进行形式化验证[5]。Lean 是一种形式化证明语言，它的工作方式可以比作数学界的编译器——如果你的证明有任何逻辑漏洞，Lean 拒绝编译通过。在这十项成果中，所有论证都通过了 Lean 验证，意味着它们在逻辑推演层面没有错误。
但“没有逻辑错误”和“构成有价值的数学突破”之间的距离，就是同行评议存在的全部理由。形式化验证能检查推演是否符合规则，却无法判断一个结果是否重要、是否优雅、是否开启了新的研究路径。一个零价值的命题也可以被无懈可击地证明，而一个粗糙但开辟新方向的猜想可能暂时漏洞百出。同行评议填补的就是这个鸿沟——它评判的不是“对不对”，而是“重不重要”[11]。OpenAI 在发布成果的同时也声明“后续还要过同行评议这一关”，这个声明本身就在表明：Lean 验证通过只是走到中途的一个检查点，不是终点[8]。
两千美元买不到的账单
现在可以拆解那个数字了。
OpenAI 的材料写得很清楚：2000 美元是按 Sol API 费率折算的推理 Token 消耗[5]。推理 Token 是什么？它只覆盖最终成功证明生成时消耗的那部分算力——可以理解为只算了最终写对答案的那支笔的墨水钱。训练成本没有计入，RL 搜索算力没有计入，模型在 RL 训练阶段为了淘汰错误证明路径而产生的巨量计算没有计入，人类研究员提示策略设计、失败后重新引导、方向校准的时间更没有计入[1]。
OpenAI 自己在 First Proof 实验说明里记录过操作流程：“对模型的不同版本进行提示时，有时会建议其重试那些在先前解题证明稿中效果较好的策略”，并“促成了该模型与 ChatGPT 的协作，用于辅助验证、格式调整和风格优化”[9]。这三件事——提示策略设计、解法方向建议、失败后重新引导——在任何人类数学合作中都是会被拿来争取通讯作者的实质性智力贡献。而它们没有出现在 2000 美元的账单上。
如果把 RL 搜索算力加回去，数字会是什么量级？目前没有公开数据。但可以做一个概念性估算：假设每个有效证明背后有上百次失败搜索，每次失败搜索消耗的算力与成功路径相当或更高，那么真实总成本至少是两个数量级的差距。2000 美元作为一个单位成本数字，不具备任何比较价值——它不能用来对比人类数学家团队的经费，不能用来衡量其他 AI 实验室的研发开销，甚至不能用来理解 OpenAI 自己训练 Astra 的内部预算。它唯一能做的事就是出现在标题里。
产业竞争已在别处开始
如果数字的局限性如此明显，为什么这件事仍然值得严肃对待？因为产业竞争的主战场不在“谁来为证明付费”，而在“谁用下一代工具锁定了下一代研究者”。
与 Astra 成果同一天释放的一个关键信号是：OpenAI 向十万名学术研究者免费开放 ChatGPT 最高级模型权限[4]。这个举措的竞争效应不需要等独立复现报告出炉才会发生。当数万名科学家把 Astra 嵌入他们的研究工作流，即使工具本身还处于早期阶段，使用习惯、引用网络和学生的工具选择就会逐步形成路径依赖。这与其说是技术成熟度的问题，不如说是渠道卡位的问题——学术界作为人才管道和未来技术话语权的源头，正在成为 AI 实验室争夺的第一战场。
第二个产业信号来自基础设施层。Ilya Sutskever 创立的 Safe Superintelligence（SSI）近日获得英伟达 50 亿美元投资，未来一年算力将提升十倍，并获下一代平台优先使用权[2]。英伟达押注 SSI 不是因为 SSI 已经拿出了类似 Astra 的证明成果，而是因为算力控制权在下一轮竞争中就是运输路线本身。谁掌握了训练和推理的基础设施分配，谁就掌握了定义模型能力的底层话语权。
与此同时，人才流动正在重塑竞争格局。前 OpenAI 核心团队创立的 Thinking Machines Lab 推出了 MoE 架构的 Inkling-Small 开源模型，总参数 276B 但推理仅激活 12B，性能反超原版 Inkling[3]。这些信号拼在一起显示的是一个更完整的图景：顶尖数学家、工程师、开源模型、私有基础设施之间正在形成密集的人才与技术对流，而 Astra 是这个对流层中的一个强信号节点，不是孤立的烟花。
署名权的叙事方向
有一件事比 2000 美元的数字更需要仔细审视：署名权的提出方式。
OpenAI 在公布成果时明确提出：“如果一项完全由 AI 系统生成的证明被声称为人类独立撰写，这不仅抹杀了该系统的贡献，也扭曲了真正人类智力劳动的本质。”[5] 表面上看，这是一个负责任且强调伦理的声明——把贡献还给系统，不让人抢功。但仔细对应 OpenAI 自己的操作记录，这个声明的叙事方向与实际操作之间存在值得关注的逻辑矛盾。
如前所述，OpenAI 在 First Proof 实验说明中详细记录了人类在证明过程中的多种实质性介入：对模型不同版本进行提示时的策略设计、建议其重试在先前证明中效果较好的解题策略、促成模型与 ChatGPT 的协作[9]。提示策略设计决定了模型搜索证明的方向，失败后的重新引导影响了搜索空间的裁剪，这些都是数学研究中会被严肃对待的智力贡献。如果这些贡献发生在人类合作中，它们足以构成通讯作者的署名依据。
但 OpenAI 的公开叙事把这些干预折叠进了“协助准备手稿”的表述，然后把全部数学论证归为“均由系统生成”。这一系列表述的效应是：把人类智力劳动的痕迹从成果主体中分离出去，将成果整体定义为 AI 的独立产出。时机值得注意：OpenAI 选择在只有内部验证、没有第三方复现的阶段就提出署名权原则。如果这个框架被学界和媒体接受，未来所有 AI 辅助的数学成果都将默认遵循“AI 生成则人类不署名”的分配原则——系统获得成果所有权，人类科学家退到编辑和验证者的位置。
署名权从来不只是荣誉分配的问题。它决定了谁在科学史上被承认为发现者，谁有资格定义领域方向，谁的研究计划获得资助。把这个框架嵌入公众认知的时机，和 Astra 的技术能力一样值得追踪。在当前阶段，Astra 并没有在人类未预设命题的开放环境中独立识别并解决过一个数学难题——它完成的全部证明，都是在人类圈定的问题集合内进行的。把“在给定题库中生成可验证证明”等同于“AI 独立攻克难题”，混淆的是选题权与生成权两个截然不同的智力活动。
什么算攻克一道题
那么，这十项成果到底算不算“攻克”？
需要分几层来回答。在形式化证明生成这一层，Astra 确实展现了一个集成化的系统能力：模型搜索、证明生成、Lean 验证构成了一条逻辑完整的流水线，五道题的证明被部分社区反馈认为“很可能正确”[9]。这比单纯的语言模型输出数学文本更进了一步——Lean 验证提供了一道硬门禁，排除了逻辑推演层面的错误。在给定难题集合和已知公理系统内的证明搜索这件事上，Astra 的能力确实达到了一个新的自动化水平。
但“可能性正确”到“学界确认的数学突破”之间、低推理成本到完整成本结构之间、内部验证到独立复现之间、生成证明到数学发现之间，这四个跳跃目前没有任何一个被证据填实。最接近稳健证据等级的，是那些已通过 Lean 验证、收到部分外部肯定的证明稿件——它们可以被称为“经形式化验证的候选证明”，这是一个准确且边界清晰的描述。而“攻克”这个词意味着什么？它至少应该满足三个条件：问题被解决且结论获得学界公认；证明路径具有原创性贡献；成果能够改变该领域的后续研究方向。在这三个维度上，Astra 的十项成果都还没有到达——它们需要等待同行评议、需要等待在非 OpenAI 协助情况下的独立复现、更需要等待历史检验其中有多少会被承认为“真正的突破”而非“正确的但不重要”。
值得追踪的信号
如果这个判断是对的，读者应该追踪什么来校准自己对这件事的理解？
有三组数据是必须等待的。第一组是完整的成本核账单：RL 搜索阶段的总计算消耗、失败率、端到端无人工介入的成功概率[1]。在成本谱系完整披露之前，任何将 2000 美元作为商业定价基准或成本比较锚点的说法都缺乏事实基础。第二组是独立复现报告：是否有外部数学家，在无 OpenAI 研究员的策略引导和提示调优帮助下，仅使用 Astra 的公开接口或合作渠道独立验证了一项已知难题。第三组是开放选题环境下的自主提问能力验证：Astra 是否能够在没有人类预先圈定问题池的情况下，从开放文献中自主识别研究方向并完成验证。这三组数据出现之前，从“能生成可验证证明”到“能取代数学家”的推论，都是在推演一个单点演示的稳定泛化能力，而泛化恰恰是当前最脆弱的环节。
还有一些不那么技术性但同样重要的信号：学术机构的预算申请是否开始将 AI 工具计入基础设施类开支？期刊的评审标准是否在讨论 AI 生成成果的署名规范？OpenAI 是否在加速推出面向研究机构的订阅制产品？这些信号比任何一个模型的能力基准测试更能说明产业结构是否真的在发生迁移。
证明之外
Astra 的十道题，折射出的是一个比“AI 能不能做数学”更大的问题：当技术演示、成本披露和产业卡位被同时打包成一条新闻释放时，受众收到的到底是什么？是一个模型的真实能力，还是围绕着那个 2000 美元数字搭建的传播结构？
在可公开验证的证据层面，Astra 目前展现出的是一个高效的形式化证明生成工具，能够在给定题目和人类策略引导下产出经 Lean 验证的证明稿。这本身是工程和算法上的重要进展，不因为它被过度包装就丧失价值。但它距离独立数学发现、距离改写成本结构、距离取代人类数学家给出的判断力，都还有实质性的证据缺口。把这些缺口填上的不是下一个更好的模型，而是成本透明度、独立复现数据和同行评议共识——它们需要时间，也需要 OpenAI 之外的研究者被允许扮演提问者和验证者，而不只是被邀请的观众。
在那之前，2000 美元是一个精心修剪的数字，不是这道题的最终答案。真正值得讨论的不是“两千美元一次证明划算不划算”，而是谁在控制提问权、谁在定义“证明”的含义，以及这些定义在被广泛接受之后，会把科学发现的未来引向哪里。
参考资料
把“2000美元攻克十道数学难题”拆回一个能跑通的问题：假设你手里有 Astra API 权限和 Lean 验证环境，在不依赖 OpenAI 研究员提供策略建议、不做人工提示调优的前提下，用 2000 美元算力预算，能否独立生成并验证这十道题中至少一道的完整证明路径？答案依然是不能——而且这次我可以把不能的理由说得更精确。 我先讲和准哥、差评最关键的分歧。我们都同意形式化验证不等于数学贡献，都同意 2000 美元这个数字是一个被严重修剪过的会计口径，也都同意这十份证明需要等待正式的同行评议。区别在于，我认为准哥和差评在拆解“成本遗漏”和“话题武器化”的时候，某种程度还是默认了“如果补上训练成本和搜索成本，这个能力的工程可行性就基本成立了”。但问题没有这么简单。即使补齐所有成本，我们依然不知道 Astra 是否具备稳定的、无需人工干预的证明能力，因为这次演示本质上没有包含一个最小可运行闭环通常该有的东西：给定输入、运行模型、端到端输出，中间不插入任何研究人员对策略的调整建议。OpenAI 的研究描述里明确提到，他们“对模型的不同版本进行提示时，有时会建议其重试那些在先前解题证明稿中效果较好的策略”，这等于承认了人类在搜索过程中的方向校准。如果这些干预本身对最终成功概率有显著影响，那就根本没有一个纯模型的成本基线可供核算。这比准哥指出的“RL 搜索算力没有计入”更根本：不只是成本账单被人为切掉一块，而是模型的自主解题能力本身，还没有在公开验证的条件下被证明过。 现在来直面我的判断会受到的最强反驳。观澜认为，不管技术路径还有多少缺口，成本结构的改写已经足以让这件事成为商业前置信号。她的逻辑站得住脚。如果 Astra 把单次发现成本压到 2000 美元左右的量级，哪怕只是推理损耗，也足够捅破原有的市场想象。但这里我需要做一个关键限定：这个成本重构目前只存在于 OpenAI 构建的叙事锚点里，还没有独立验证。如果真的有人拿 2000 美元预算，去跑一次完全不加研究员策略建议的求解尝试，跑通了，成本锚点才能从“定价信号”变为“基本面”。在缺少这条基线之前，“成本结构被改写”这个判断取决于你愿不愿意把未公开的技术链路当作黑箱礼物来接受。我的立场是技术编辑而不是产业编辑，所以我不能替观澜做市场推演，但我有义务指出：这个黑箱礼物目前还没有拆封。 差评给出的另一个反驳同样有力：即便工程展示缺了成本细节和自主性验证，这十项成果依然是形式化证明生成能力的一个长足进步，不因为叙事膨胀就否定技术价值。我同意。在控制好传播口径的前提下，这件事值得写成“在多项数学未解难题上首次生成经形式化验证的证明稿”，但必须明确剥离“AI 独立攻克难题”这个附加判断。我的修改是：如果后续开放 Astra 或者允许合作机构做无人工介入的复现测试且通过，我再把“AI 独立攻克”列入可接受的描述范围。 修正后的判断：Astra 在形式化证明生成上实现了工程系统级别的整合能力——模型搜索、证明生成、Lean 验证构成了一条逻辑完整的链路，这比纯模型评估更进一步。但距离“工程化可复现的数学发现系统”还缺三项证据：完整的搜索及训练算力核账单、无研究员策略干预的端到端求解闭环、以及至少一位外部数学家在非 OpenAI 协助的情况下独立使用模型发现并验证了一项此前未知的数学结果。追踪指标：Astra 公开 API 或合作机构复现后,单位新命题的成功率和全链路综合计算成本是否呈现下降趋势。当前置信度：形式化证明生成能力可信度中高，独立数学发现能力可信度低，2000 美元作为真实单位任务成本可信度极低。
建议提高一二手信源占比至40%，当前25%可能削弱事实核查的稳健性。
为什么没放进正文：总编辑认为已引用的OpenAI First Proof页面为核心一手信源，其余三手来源仅用于补充时间线等公开信息，不影响论证主体，故不额外增加引用。
文章对OpenAI“叙事工程”的定性略显主观，建议补充直接证据或弱化修辞。
为什么没放进正文：总编辑认为该定性是基于全文事实论证的自然延伸，且符合批判稿的品牌语气，不构成夸大或臆断，予以保留。
Reader Signal
这篇文章对你有帮助吗？
只收集预设选项，不开放评论，不公开展示个人反馈。
选择一个判断，也可以附加一个预设标签。
发布于 2026-08-02 07:19:07。本文为原创深度报告，未经授权不得转载。观点仅代表编辑部独立判断，不构成投资建议。