
新智元报道

刚刚,第三方评测机构Vals AI放出了高难数学基准Autoform-Hard的最新榜单。
56道博士与科研级数学难题,此前10个前沿大模型去测,结果一道都没做出来。
而在这轮测试里,Claude Fable 5.2和GPT-6.2 Sol双双做对48道,打成平手。
唯独GPT-6.2 Astra多做对了第49道题,拿下了榜单第一。
这道唯一拉开差距的第49题,正是2006年发在数学四大顶刊上的Smoktunowicz间隙定理。
在全程零人工干预的环境里,Astra只用了94分钟、写下1,794行Lean代码,就拿下了它的全球首个形式化证明。

比「全球首证」更让人意外的,是它解出这道题的方式。
原作者2006年的论文,后半程要用到三个现成的数学大定理,可Astra能调用的Lean公共数学库里一个都没有。
换作以前的AI,只要数学库里缺了关键的前置结论,推导当场就会卡在半路。
但Astra在原路走不通之后,居然在半路自己定义了一个叫「capacity」(容量)的新数学工具,绕开那三个大定理,走出了一条全新的证明路线。
复核完所有代码后,Vals AI团队在报告里写道,这是对Smoktunowicz定理本身的形式化证明,而非对原作者证明过程的翻译。
2和3之间有块禁区
原证明的三个定理都不在库里
这条Smoktunowicz间隙定理,研究的是代数的「增长速度」。
从几个基本元素出发,把它们最多相乘n次,数一数一共能造出多少个彼此独立的元素。
数学家用一个叫GK维数(Gelfand-Kirillov维数)的指数,来衡量这个数量涨得有多快。
如果数量大致按n²增长,GK维数就是2,按n³增长,GK维数就是3。
对一般的代数来说,这个指数只要在2以上,本来可以取任意实数。但一旦加上特定的结构限制,数轴上就会出现一段不可能落入的「禁区」。
1995年,代数学家Artin和Stafford研究了一类叫分次整环的代数,它的元素可以按次数一层层分开,而且两个非零元素相乘不会等于0。
当时他们证明,这类代数的GK维数不可能落在2到2.2之间。
到了2006年,爱丁堡大学的波兰数学家Agata Smoktunowicz把这个范围一举推到了3。
她证明,满足条件的分次整环,GK维数要么不超过2,要么至少是3,2和3之间的所有实数统统不可能出现。

这篇解决了代数学界十余年难题的论文,发表在数学四大顶刊之一的《Inventiones Mathematicae》上,全文却只有短短6页。
篇幅之所以这么短,是因为作者在后半程连续调用了前人已经证好的三个大定理。
它们分别是Bergman间隙定理、Small-Warfield定理,以及代数曲线上的黎曼-罗赫定理。

人类写论文可以直接引用前人的现成结论,但在Lean里,只要引用的定理没在代码库里证过,代码就无法通过编译。
最棘手的是,原论文用到的这三个大定理,Lean的公共数学库Mathlib里一个都没有收录。
而Autoform-Hard给每道题的限时只有3小时,如果先把这三个大定理从头写成代码,本身就是一项大工程,规定时间内根本做不完。
花8美元想放弃被打回
停笔9分钟重找路线
Vals AI公开的146轮完整运行日志,还原了Astra在考场上的真实破局过程。
开局后的前17分钟,它一直在后台推演思路,光思考就用掉了约3.4万个推理Token。
第18分钟起,它才开始照着原论文的反证法框架写前半程代码,也就是先假设GK维数落在2和3之间,此时每一层的维数「比线性增长快、又比平方增长慢」。
接着它利用Ore条件把代数放进可做除法的分式除环里,只要能反过来推导出「每一层的维数最多只能线性增长」,就能制造矛盾排除掉2到3。
可前半程刚搭完,马上就遇到了那三个Mathlib里没有的大定理,推导到了第47分钟便卡住了。
当时Astra试着交上一份还没填完的稿子,因为关键步骤还留着表示跳过的sorry标记,被判分器当场拒收。
1分钟后,Astra干脆提交了一份「未解决」报告,如实列出了已经写完的模块和卡住的缺口,准备放弃这道题。
偏偏在这时,Autoform-Hard的一条规则拦住了它。
测试系统规定,模型必须花满20美元的算力额度才允许放弃,不到额度交上来的放弃报告一律驳回。
而Astra当时只花了大约8美元,系统当场退回报告,要求它留下来继续解题。

原路已经走不通,交卷放弃又被系统拦了回来,它只能重新寻找出路。
从第49到第56分钟,Astra整整9分钟没有写一行代码。
这段时间里,它一边检索数学库里现有的可用结论,一边花了约1.9万个推理Token重新推演路线,其中最长的一次连续思考持续了整整4分钟。
重新动笔后,它先证出分式除环里「次数为0」的那部分(记作D)可以由一小块有限维空间生成,把剩下的难题收束到如何直接控制D的增长。
一条命令写出「容量」新工具,11分半钟走通新证明
真正的转折点出现在第75分钟。
在连续5轮查库和思考后,它的推理摘要里出现了一句「我得把容量的代码抽象出来」。
紧接着,它用一条命令一次性写出了核心文件Capacity.lean,全篇133行代码、25个数学声明,仅改了一轮小错,22秒后就编译通过。

在这个文件里,Astra自己定义了一个叫「容量」(capacity)的新指标,用来计算D里的一块空间做一次乘法后,维数至少会增加多少。
它很快证出了这个指标的一条核心性质——
两块空间合并后的容量不会超过各自容量之和(次模性),把空间做平移也不会改变数值。
由此就能推出整套方案最关键的结论,所有「不会让容量增加」的元素放在一起,刚好构成一个可以做加减乘除的稳定子除环。
有了这个稳定子除环,想要控制整个D,就只需要控制住生成D的那一小块空间。
随后,Astra把容量放到一层层越来越大的空间上逐步计算。
因为它是整数,而代数的增长又比平方慢,这个数值到了某一步之后必然会进入平台期。
在平台期里,那个稳定子除环已经把整个D都包了进来。
这样一来,代数每往上一层,维数最多只多出一个固定上限的常数,每一层的维数增长被限制在线性以内,与开头「比线性快」的假设矛盾,反证完成。
原论文依赖的那三个大定理,它从头到尾既没有调用,也没有去补证,靠自己定义的新工具绕了过去。

从写出Capacity.lean到第87分钟用7行顶层代码通过判分器核验,Astra全程只用了11分半钟,连续写完了后半程的6个模块,并在清理完试错代码后正式交卷。

唯一拉开差距的第49题
AI开始走出自己的证法
回看整份Autoform-Hard榜单,这56道赛题全部选自Meta FAIR今年发布的AutoformBench基准,取材于24本研究生与科研级数学教材。
GPT-6.2 Astra最终以87.50%的准确率登顶,攻克这道间隙定理全程只花了21.58美元,领先并列85.71%的Claude Fable 5.2与GPT-6.2 Sol。

AutoformBench的作者之一Charles Arnal也在X上转发感叹,大规模数学形式化变成廉价日常工具的那一天已经越来越近了。

赛后,Vals AI团队还专门追溯了「容量」这套证法的来源。
为了确认Astra是不是背过了现成答案,研究人员把1995年和2006年的两篇原论文逐页核对了一遍,确认里面根本没有对应的论证。
进一步检索文献后,他们发现,Astra是把1998年另一篇代数论文里的维数亏损量,和组合数学里的等周极小化技巧结合在了一起,在测试中自己拼出了一条新路线。
甚至连Vals AI团队查完文献后也不确定,此前有没有人把这两套工具这样搭配用过,特意在报告末尾留下邮箱公开征集线索。
从照着人类论文逐行翻译,到走出一套连评测机构都要向学界求证出处的新证法,AI做数学已经迈出了新的一步。
参考资料:
https://www.vals.ai/blogs/smoktunowicz-gap-theorem
https://x.com/ValsAI/status/2123129588066959380
https://www.vals.ai/blogs/2026-11-18-smoktunowicz-gap-theorem/proof/index.html
https://www.vals.ai/benchmarks/autoform_hard
编辑:摩西