第三方評測機構 Vals AI 公佈的高難數學基準 Autoform-Hard 最新榜單顯示,GPT-6.2 Astra 以 87.50% 的準確率位列第一,在 56 道博士與科研級數學難題中解出 49 道。此前 10 個前沿大模型參與測試時,這 56 道題一道都未做對;本輪測試中,Claude Fable 5.2 與 GPT-6.2 Sol 均做對 48 道、並列第二,Astra 恰好多解出第 49 題,從而拉開差距。

這道唯一拉開差距的題目,是 2006 年發表在數學四大頂刊之一 《Inventiones Mathematicae》 上的 Smoktunowicz 間隙定理。該定理研究代數增長速度,用 GK 維數(Gelfand-Kirillov 維數)衡量代數元素數量隨乘法次數的增長快慢。1995 年,代數學家 Artin 與 Stafford 證明一類分次整環的 GK 維數不可能落在 2 到 2.2 之間;2006 年,愛丁堡大學的波蘭數學家 Agata Smoktunowicz 將禁區一舉推至 3,證明滿足條件的分次整環 GK 維數要麼不超過 2,要麼至少為 3。這篇論文全文僅 6 頁,後半程連續引用了 Bergman 間隙定理、Small-Warfield 定理以及代數曲線上的 黎曼-羅赫定理三個現成大定理。

問題在於,Lean 的公共數學庫 Mathlib 並未收錄這三個定理,而 Autoform-Hard 給每道題的限時只有 3 小時,從頭補證這三個大定理在時限內無法完成。Vals AI 公開的 146 輪完整執行日誌還原了 Astra 的破局過程:前 17 分鐘它用約 3.4 萬個推理 Token 推演思路,第 18 分鐘起按原論文的反證法框架寫前半程程式碼,第 47 分鐘因缺少那三個定理而卡住。它先提交帶 sorry 標記的未完成稿被拒,又提交「未解決」報告準備放棄,但系統規定必須花滿 20 美元算力額度才允許放棄,而當時它只花了約 8 美元,報告被退回。

從第 49 到 56 分鐘,Astra 停筆 9 分鐘,一邊檢索數學庫現有結論,一邊用約 1.9 萬個推理 Token 重新推演路線。第 75 分鐘,它用一條命令一次性寫出核心檔案 Capacity.lean,共 133 行程式碼、25 個數學宣告,僅改一輪小錯,22 秒後編譯通過。該檔案定義了一個名為 「容量」(capacity) 的新指標,用來計算分式除環中一塊空間做一次乘法後維數至少增加多少,並證出其次模性——兩塊空間合併後的容量不超過各自容量之和,平移不改變數值。由此可推出,所有「不會讓容量增加」的元素構成一個穩定子除環,從而把控制整個 D 的問題收束到控制生成 D 的一小塊空間。容量取整數值,而代數增長慢於平方,該數值必然進入平台期,穩定子除環最終包住整個 D,使每層維數增長被限制線上性以內,與開頭「比線性快」的假設矛盾,反證完成。

從寫出 Capacity.lean 到第 87 分鐘用 7 行頂層程式碼通過判分器核驗,Astra 僅用 11 分半鐘連續寫完後半程 6 個模組並交卷。全程它既未呼叫、也未補證原論文依賴的三個大定理,而是靠自創工具繞開。Vals AI 團隊複核後指出,這是對 Smoktunowicz 定理本身的形式化證明,而非對原作者證明過程的翻譯。為確認 Astra 是否背過現成答案,研究人員逐頁核對 1995 年與 2006 年兩篇原論文,確認其中沒有對應論證;進一步檢索發現,Astra 將 1998 年另一篇代數論文中的維數虧損量與組合數學的等周極小化技巧結合,自行拼出一條新路線。團隊甚至不確定此前是否有人這樣搭配使用,在報告末尾留下郵箱公開徵集線索。

Autoform-Hard 的 56 道賽題全部選自 Meta FAIR 今年釋出的 AutoformBench 基準,取材於 24 本研究生與科研級數學教材。AutoformBench 作者之一 Charles Arnal 在 X 上轉發感嘆,大規模數學形式化變成廉價日常工具的那一天已越來越近。Astra 攻克這道間隙定理全程花費 21.58 美元。從逐行翻譯人類論文,到走出連評測機構都要向學界求證出處的新證法,AI 做數學正邁出新的一步。