GPT-6第1天直接攻破5道Erdős难题！Fable 5.1交了白卷

梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 刚出道的 GPT-6 Astra ，又解决了 5道Erdős数学难题 。 成果来自Epoch AI和曼彻斯特大学发布的的 FrontierMath Erdős（FME） 基准测试论文。 68道人类至今未解的数学难题，5个顶级AI模型同场考试。 GPT-6 Astra获得“全场唯一成绩非0分模型”成就，得分率3%。 另外4个模型， GPT-5.6 Sol、GPT-5.5、Claude Fable 5.1、Claude Fable 5都交了白卷 ，通通0分。 在放宽计算预算的追加测试中，GPT-6 Astra总共解开了5道。 其中一道是Erdős本人1931年提出的“也许是我第一个认真的问题”。另一道是1962年提出、被称为“极值图论中最诱人的问题之一”的Erdős-Sós猜想。 陶哲轩点名批评，催生了这场考试 近来AI攻克数学开放问题的消息不断传出。 2026年5月OpenAI宣布AI推翻了单位距离猜想，7月有数学家用Claude Fable 5发现了三维Jacobian猜想的反例，8月OpenAI又公布了AI在十个数学和理论计算机科学问题上取得的新成果，其中就包括若干Erdős问题。 但 陶哲轩 在2026年国际数学家大会（ICM）的报告中直接指出， 这些成果大多“不是在受控的科学条件下取得的” ，存在五个方面的问题： 只报成功不报失败导致成功率未知，算力消耗不公开，人类引导程度不透明，训练数据可能已包含答案，以及不同模型之间从未做过系统比较。 FME就是对这些批评的直接回应。 它的核心设计逻辑是： 第一，用未解问题消除数据污染。 既然没有人类解出过，模型就不可能从训练数据中”背答案”； 第二，要求AI用Lean证明助手提交形式化证明。 由Lean内核做最终裁决，通过就是证明了，不通过就是没证明，没有模糊空间； 第三，所有模型在完全相同的条件下作答。 每道题预算300美元、工作时限72小时、尝试一次。 此前也有过两个面向开放问题的数学基准，HorizonMath和FrontierMath: Open Problems（FM:OP）。 但它们都依赖“生成-验证”模式， 只能覆盖那些解是可计算验证的具体对象 （比如一个图、一个多项式、一个算法）的问题，绝大多数需要证明一般性命题的开放问题根本无法纳入。 而且验证环节并不完全可靠，HorizonMath自己承认接受的封闭形式”最好视为猜想直到被证明”，FM:OP在2026年7月还因验证器缺陷移除了两道题，并估计其10%到40%的问题可能本身就无解。 FME的形式化证明格式将覆盖范围大幅拓展： 只要一个猜想的陈述能在Lean中形式化，就可以纳入基准。 而且即使猜想为假，模型也可以通过证明其否命题来完成任务。 验证环节的安全性也经过精心设计。 每次尝试被分到两个互相隔离、均无网络访问权限的Docker容器中。Agent容器供AI工作并拥有完整Shell权限，Comparator容器放置干净的Lean工具链负责验证。 AI提交的Lean源代码由Comparator从头通过Lean内核重新编译验证，能防范篡改环境、恶意编译时代码、证明不同命题、重新定义依赖项、假设结论、绕过内核等多种作弊手段。 68道Erdős难题怎么选的 Paul Erdős是20世纪最多产的数学家之一，数论和组合学领域的领军人物，以提出大量难度各异、影响深远的问题而闻名。 这篇论文的第二作者 Thomas F. Bloom 来自曼彻斯特大学，是erdosproblems.com网站的维护者，该网站系统收集了Erdős生前提出的开放问题。FME的68道猜想就是Bloom从网站上652个开放问题中亲手挑选的。 他的选题标准只有一个：选最困难、最有数学意义的那些。 必要条件是， 无论正面还是反面解决了其中任何一道题，如果出自人类之手，都值得在顶级期刊上发一篇论文 ，并且会引起相关领域许多研究者的兴趣。大多数入选问题在过去几十年中已经受到大量数学家的关注。 Bloom此前曾公开批评过用erdosproblems.com上的问题来衡量AI进展，原因是这些问题难度和重要性参差不齐。 此前被AI解决的许多Erdős问题其实比较冷门，是网站将它们重新推向公众视野后才受到关注的，解法也只是对已知技术的简单修改。 但单位距离猜想（第90号）、第146号和第183号属于例外，它们是各自领域的著名问题，此前已有大量论文和部分成果，被AI解决标志着AI数学研究能力到达了一个新的阶段。 FME就是尝试提前锁定那些同等级别的”硬骨头”。 68条猜想之间被特意选为相互独立，解开一道不应直接给出另一道的答案，如果发现了这样的蕴含关系，本身就是一个有意义的数学成果。 Erdős生前经常为自己的问题设定悬