24 小时，AI 攻破了人类争论 50 年的数学天花板

luyuanhong

24 小时，AI 攻破了人类争论 50 年的数学天花板

原创  南厝姑娘  南厝姑娘  2026 年 8 月 6 日 18:19  福建

先说一个让数学圈集体破防的事实：

一道困扰人类数学家整整 50 多年、长期无人能推动的开放难题，被一个 AI 智能体用大约 24 小时拿下，而且不只是刷了个新纪录——它直接证明了那条争论半个世纪的理论上限，真的可以被无限逼近。

做出这件事的，是腾讯混元自研的科研智能体 Hyra 。而就在几天后，OpenAI 也宣布其内部测试模型 Astra  一口气解决或推动了 10 道悬而未决的数学难题。两记重锤接踵而至，整个学界都在追问同一个问题—— AI ，是不是已经从“工具”变成了“研究员”？

更扎心的是今年菲尔兹奖讨论里流传最广的一句话：

“这可能是最后一届纯人类成果获得菲尔兹奖了。”

听着像段子，但没人敢站出来否认这个可能性。

一 、一道争论了 50 年的题，到底在问什么

先把这道题“翻译”成人话。

它属于数学里一个叫加法组合学的分支，核心是一个关于“和差集”的开放问题。听起来很抽象，但问题本身可以这么理解：

给你一组整数，任意挑两个做加法，能得到多少种不同结果？把加法换成减法，又能得到多少种？

有趣的是，同样一组数字，有些相加会不断产生新结果，相减却经常撞车。于是数学家开始追问一个看似简单、实则要命的问题：

能不能设计出一组特殊数字，让“加法结果”远远多于“减法结果”？最多能多到什么程度？

已有的理论早就划出了一条上限——加法结果的增长速度，最多接近减法结果的平方。

但问题在于：这条上限究竟是一个宽松的估计，还是真的可以无限逼近？

打个比方：工程师算出一列高铁的速度绝不会超过 350 公里/小时。但“不能超过350”，不代表它真能跑到 350 ——实际极限可能只有 200 。数学家吵了 50 年的，就是“350 到底是真正可逼近的极限，还是一条画得太高的上限”。

半个世纪的艰难推进

半个多世纪以来，数学家不断设计新的数字集合，一点点往上逼近：

1969 年，最优指数推进至约 1.0290 。

1973 年，提高到 1.0598 。

2013 年，推进至 1.1259 。

近一年，多项AI辅助搜索将纪录提高到 1.1449 ；Codex 在有人类引导的实验中进一步做到 1.2851 。

2026 年 7 月，Hyra：直接推进至理论极限值 2 ，并证明可无限逼近。

看到了吗？人类用 50 年，把指数从 1.03 艰难推到 1.28 。而 Hyra 给出的，不是一个“又高了一点点”的新纪录——它找到一整套可以不断扩展的数字构造，证明随着集合规模增大，结果能够无限接近理论上限 2 。

也就是说，那条看似遥不可及的天花板，是真的可以够到的。



二 、24 小时里，Hyra 到底干了什么

最关键的一点是——这不是一次单纯的暴力搜索。

根据腾讯混元官方介绍，Hyra 基于本月开源的 Hy3 大模型（总参数 295B 、激活参数 21B），工作流程大致是这样的：

Hyra 的“科研四步法”

第一步｜有限搜索：先在有限范围内试出更好的结果，把纪录从约 1.14 提高到 1.21 。

第二步｜提出构造：转向用自然语言提出数学构造和论证方案。

第三步｜形式化验证：研究团队独立检查并整理出完整证明，再给出 Lean 4 形式化证明，让计算机逐步核验每一步推导。

第四步｜开源公开：论文预印本、显式构造、Lean 4 证明全部开源。

经过约 24 小时运行，Hyra 找到了论文的核心思路：利用十二进制数字结构和一个精巧的构造控制差集，再结合循环群上的对称加法基与中国剩余定理，使和集以及差集的扩张达到最优指数 2 。

这件事的含金量在哪？

过去 AI 做数学，更多是“帮人类搜答案”——在巨大的搜索空间里找一些人类没空尝试的组合。但这次不同：Hyra 是从发现线索、提出构造，到给出能够被计算机验证的完整证明，全程深度参与。

论文 7 月 29 日发布在 arXiv上 。腾讯首席 AI 科学家姚顺雨随即转发并喊话：“Hy AI4S is hiring .”——没有 JD ，没有岗位描述，就一张成绩单，开始招人。

我们的 AI 已经开始自己搞科研了，现在，需要更多人来扩大战果。

三 、Open AI 紧跟着补了一记重锤

如果说 Hyra 是单点突破，那 OpenAI 的跟进就是一波齐射。

8 月 1 日，OpenAI 宣布其下一代模型系列命名为 Astra ，其中一款内部测试模型已解决或推动解决 10 道长期未解的数学难题，完成相关推理的词元成本仅约 2000 美元。

Astra 的战果覆盖领域

高维几何

编码理论

群论

算子代数

量子复杂度

格密码学

极值组合学

每道题都是开放超过十年、核心进展长期停滞的硬骨头。OpenAI 还公开了一份 249 页的手稿合集，详细展示推理步骤，并附带全部 10 个结果的 Lean 4 形式化证书——代码在 GitHub 上以 Apache 2.0 开源，“sorry”计数为零，意味着形式化证明中没有任何步骤遗漏或未证。

更戏剧化的是，Anthropic 旗下的 Fable 模型在 24 小时内"复现"了其中 5 道。两大 AI 巨头在最前沿的数学疆域短兵相接，人类数学家则被迫卷入一场“验证能力的考验”—— AI 给出的证明，人类检查起来反而很费劲。



四 、AI 从"工具"到"研究员"，到底变了什么

把这两件事放一起看，真正震撼的不是某一道题被解开了，而是 AI 在科研中的角色，正在发生质变。

过去的 AI 是“超级计算器”：人类给方向、设目标、判真伪，AI 只在中间环节加速。但现在，Hyra 和 Astra 开始自己提出构造方案、运行推理、读取结果、再继续迭代——从辅助计算，走向了独立提出方案。

这恰恰是腾讯混元此刻招人最耐人寻味的地方。没有 JD ，但能倒推出两类急需人才：

混元想组建的“人机科研队伍”

第一类｜造 Agent 的人：Agent 架构、强化学习、上下文学习、自动评估、训练系统、GPU kernel ——把 Research Agent 造得更强。

第二类｜懂科学的交叉人才：未必会训模型，但能把科研目标转化为可执行、可评估、可反复优化的任务，也能判断 AI 的结果是真突破还是刷分。

AlphaFold 项目里的结构生物学家、OpenAI 大力招揽的顶尖数学家，都是同一套逻辑。科研智能体时代，最稀缺的不再是只会造模型的人，而是既懂 AI 、又懂具体科学问题的“翻译官”。

五 、踩油门的，和踩刹车的

最后说一个更微妙的信号。

一边，是姚顺雨拿着 AI 刷新数学纪录的成绩单招人，油门踩到底；另一边，是最靠近技术前沿的 OpenAI 和 Anthropic 罕见联合发声，呼吁建立国际协调机制，主动给 AI 发展“踩刹车”。

“ AI 能力的发展存在迅速加速的真实风险，最终可能超出人类理解或控制这些系统的能力。”

表面看，一个在踩油门，一个在踩刹车。但背后指向的是同一个现实：

AI 自进化，已经开始走进真实的科研与研发流程。更微妙的是，AI 现在不仅能研究科学，它还在研究 AI 本身——递归自我改进，已经不再是天方夜谭。

所以真正该追问的，不是“ AI 能不能做科研”——这个问题的答案已经摆在桌面上了。真正该追问的是：

关键控制权，应该交给谁？什么问题值得研究？什么结果可以相信？AI 可以迭代到什么程度，又该在什么时候停下来？

这些，都不能只由 AI 自己决定。

这或许也是“人机科研队伍”这个词最深层的含义——不是 AI 替代科学家，而是科学家 + AI ，组成一种新的科研物种。

至于这个新物种会把科学研究推进到什么程度，回到那句让整个数学圈沉默的热评：

“这可能是最后一届纯人类成果获得菲尔兹奖了。”

没人敢说它一定成立。但也没人，敢说它一定不成立。

南厝姑娘