GPT-6 Astra数学能力登顶，但OpenAI说这并非刻意为之

GPT-6 Astra发布后，在ulam.ai的ErdosBench榜单上一度位居第一。该榜单涵盖226道受著名数学家Erdős问题启发的开放性难题。Astra得分3.23，解决了106道题，其中43道完整求解，并推翻了另外27道题的结论。与此前的Sol模型相比，Astra在科学写作质量上更为出色，也更少出现夸大结论的情况，有时甚至低估了自身的成果。榜单开发者Przemek Chojecki将其评价为「在各项数学研究技能上取得了约5%至10%的稳健提升」。不过，Fable 5.1随后以3.25的得分将Astra挤下榜首。

令外界意外的是，OpenAI首席科学家Jakub Pachocki在其文章《一种异类思维》中坦承，公司本可以让Astra在数学研究上表现更强，但主动选择了放弃这一方向。他写道，公司感受到递归自我改进与自动化对齐研究的紧迫性，认为这是维持AI研究前沿地位的唯一途径，因此将资源集中于此。这意味着，当前最强的数学AI模型，并非定向优化的产物，而是其他研发优先级的副产品。

Pachocki的表态印证了AI发展路径中一个日益清晰的现象——研究者Adam Hunt将其描述为「尖刺型」轨迹。与「主流AGI」假设中模型能力全面均衡提升的图景不同，现实中的AI发展呈现出极度不均衡的特征：在编程、数学等特定领域极为突出，而在常识推理、语言质量或社会理解等方面则停滞甚至退步。这样的模型更接近高度专业化的工具，而非大多数人心目中的通用人工智能。

OpenAI将资源押注于递归自我改进，背后隐含着一个更大的赌注：一旦模型能够自主优化自身，便可在所有方向上实现跨越式提升，包括数学。然而，这一愿景目前仍停留在理论层面。批评者指出，语言模型缺乏类人创造力，难以实现真正意义上的自我改进，而非仅仅是在已有框架内的参数调整。这场关于AI能否突破自身局限的争论，将在很大程度上决定未来几年AI发展的实际走向。

数学界自身也在经历一场深刻的价值反思。数学家陶哲轩在2026年国际数学家大会上提出警示：如果AI模型产出证明的速度持续超过人类验证的速度，数学领域将面临从「证明稀缺」转向「证明过载」的根本性转变。届时，最关键的任务将不再是解决问题，而是判断哪些结果真正重要。陶哲轩将这场危机比作20世纪初数学基础的根本性动荡，认为数学界正在经历一场关于自身价值与实践方式的深层危机。

要点

• GPT-6 Astra在ErdosBench数学榜单上暂居首位，但OpenAI首席科学家明确表示数学并非公司的优先研发方向，这一成绩是其他目标的副产品
• OpenAI当前将核心资源投入递归自我改进与自动化对齐研究，认为这是保持前沿地位的唯一路径，体现了顶尖实验室在能力方向上的明确取舍
• AI发展正呈现「尖刺型」轨迹，在特定领域极为突出，但无法在所有方向同时实现最大化突破，与通用人工智能的理想图景存在明显落差
• 数学界面临AI带来的双重冲击：一方面是证明产出速度超越人类验证能力，另一方面是对语言模型能否实现真正数学创新的根本性质疑