OpenAI Astra 攻克十项长期数学难题：论证由 AI 生成，人类整理，Lean 验证

8 月 1 日，OpenAI 挂出一份题为《数学与理论计算机科学的十项进展》的公告，说这批结果来自下一代模型 Astra 的一个内部版本。这次不是刷竞赛题，也不是跑基准榜，而是十个"至少十年没见到主要进展"的开放问题，其中不少更久。

十项进展分别落在哪

官方清单横跨好几个方向，公开材料里能对上的包括：

• 高维球体堆积：给出堆积密度新的上界，把界限收紧到 Cohn–Elkies 阈值一线；
• 编码理论：在任意给定最小距离下，二元码最大规模的界获得指数级改进，高维球面码也有对应结果；
• 极值图论：紧致性猜想与退化猜想方向出结果，据称对应解决了 Erdős 问题库里的第 146 号和第 180 号；
• 其余若干项分布在算术电路复杂度、群论与算子代数、量子复杂性、格密码等领域。中文渠道转述的版本里还点了 Connes 刚性猜想的反证、非索菲克群的存在性、量子并行重复、最近向量问题的硬度以及多色 Ramsey 数——这几条目前只见于转述，准确表述以官方论文为准。

两千美元的 token，和一张机器可查的证书

比结果更容易被拿出来讨论的是过程。OpenAI 提到，找到这些解法所消耗的 token，按 Sol 的 API 价折算大约 2000 美元。对照这些问题在人类学术圈里被反复啃了十几二十年，这个数字本身就足够刺眼。

流程是三段式：模型先产生论证；人类研究者与同一个模型协作，把论证整理成可读的论文手稿；再由模型把每条论证在 Lean 里形式化，生成能被机器检查的证书。OpenAI 这次把话说得比较直白——数学论证本身由 AI 生成，人类做的是整理和形式化，署名与归属应当如实反映结果真正的来源。

为什么这次的说法比上次值得多看两眼

过去一年，"AI 解开未解数学难题"这类标题出现过不止一次，其中一部分后来被发现问题早有文献，或者证明本身有洞。这回 OpenAI 主动做了两件降风险的事：一是把论证形式化进 Lean，正确性交给机器检查，而不是靠公关稿背书；二是公开喊话，希望数学界深入审视这批成果。真正的结论要等同行评议给，短则数周，长则数月。

另一条背景是 Astra 本身。近期多家媒体报道称 OpenAI 正在准备这一代新模型，主打多智能体长周期协同，用来啃大型项目和高难问题，也有说法称它疑似就是外界口中的下一代 GPT。这些命名与定位目前都还没有官方确认，看看就好。

对国内和代理用户意味着什么

每次这种量级的进展公布，紧接着就是一波"我也想试试"。但对国内用户来说，能不能用上从来不是账号问题，而是网络出口问题。新模型上线初期往往先给 Pro/Plus 分批放量，并且对异常流量的容忍度更低——这时候一个被标记的出口 IP，比额度不够更容易把人挡在门外。

常见的三类坑：一是出口 IP 落在机房段或被大量共用，登录后频繁弹 Unusual Activity；二是 域名分流规则没配全，auth、api、cdn 几个域走了不同出口，会话直接被判异常；三是 IPv6 泄漏导致真实位置和代理出口对不上，可以先用 IPv6 泄漏检测确认一下。

最稳妥的顺序是：先去 GPT / Codex IP 检测把当前出口跑一遍，看是否被判定为高风险；再对照 Unusual Activity 与 IP 风控确认账号侧的表现；命令行侧用 Codex 的，另外看一眼 Codex 稳定使用指南；如果已经出现过验证循环或限制提示，封号与防封那篇里的处理顺序更实用。