一句话结论
OpenAI 的纳维-斯托克斯证明被指方法有误且多智能体贡献被高估，暴露出 AI 数学研究在严谨性验证与实验可解释性上的深层缺陷。
关键要点
- 多位数学家指出，OpenAI 在 Lean 中验证的证明虽表面相似，但详细推导路径与科尔多瓦（Diego Córdoba）和马丁内斯-佐罗亚（Luis Martínez-Zoroa）的方法不同。
- 纽约大学数学家特里斯坦·巴克马斯特（Tristan Buckmaster）指控 OpenAI 使用了其本人及 Anthropic 的 Levent Alpöge 的公开研究成果，OpenAI 否认此说法，语言模型黑盒特性使归因存疑。
- OpenAI 部署了约 10,000 个模型实例、消耗 1300 亿个令牌，但研究员 Noam Brown 承认尚不清楚多智能体架构相对于单智能体（如 1,000 个）的具体贡献。
- 10 月初，OpenAI 在 GitHub 上以松散合集形式发布了约 400 个新的数学结果，此举被数学界认为有损专业价值。
- 诺亚姆·布朗（Noam Brown）估计，多智能体架构对成功的贡献不足 10%，核心驱动力在于能够长期并行运行的基础模型本身。
背景与事实
2024 年 9 月初，OpenAI 发布了一份 166 页的纳维-斯托克斯（Navier-Stokes）方程存在性问题的潜在解决方案。该公司宣称该证明遵循了西班牙数学家科尔多瓦（Diego Córdoba）和马丁内斯-佐罗亚（Luis Martínez-Zoroa）的研究路径。然而，随着《科学美国人》（Scientific American）等多家媒体跟进报道，多个专家组对此表示异议。瑞士联邦理工学院（EPFL）的数学家冈萨洛·考罗拉（Gonzalo Cao-Labora）指出，一旦深入细节，就会发现推导逻辑与上述两位学者的方法完全不同，所谓的相似性仅停留在表面层面。
该潜在证明是用 Lean 形式验证语言编写的，这种语言能够逐步检查逻辑严密性，但其本身对人类可读性并不友好。克雷数学研究所（Clay Mathematics Institute）自该证明发布以来一直对其进行审查。在正式出版之前，纽约大学数学家特里斯坦·巴克马斯特（Tristan Buckmaster）公开指责 OpenAI 在其和 Anthropic 的研究员 Levent Alpöge 利用公开可用模型完成的工作基础上构建了自己的成果。OpenAI 对此予以否认，称从未使用过巴克马斯特的数据。高等研究院（Institute for Advanced Study）的卡米洛·德莱利斯（Camillo De Lellis）认为，由于语言模型是黑盒，要对此类指控给出确切结论可能非常困难。
2024 年 10 月初，OpenAI 进一步向数学界释放了大约 400 个额外的研究成果。这些结果以松散合集的形式发布在 GitHub 上，导致许多数学家感到愤怒，认为这种发布方式贬低了数学研究的严肃性与专业价值。目前，数学界与 OpenAI 之间在证明的有效性、学术规范以及发布方式上的分歧正在加深，整个事件反映了 AI 生成数学内容在传统学术体系中的融入困境。
影响分析
对于中文开发者与 AI 从业者而言，这一事件深刻揭示了当前多智能体（Multi-Agent）系统在实际任务中的应用误区。OpenAI 投入了约 88 小时的高强度计算，使用了 10,000 个模型实例并消耗了 1300 亿个令牌，但结果却面临方法论和贡献度不明的双重质疑。这意味着，单纯堆叠算力或智能体数量并不必然带来高质量或原创性的产出。从业者必须认识到，多智能体架构目前仍缺乏系统性的对比测试，尤其是无法量化 10,000 个智能体相对于 1,000 个智能体的具体优势。
此外，该事件对 AI 数学研究的可信度产生了负面影响。基础模型在长周期、并行处理任务中展现出的“深度加工”能力才是核心价值所在，而非多智能体协作的光鲜表象。对于中文开发者而言，在构建类似系统时，应更加注重基础模型的鲁棒性和逻辑验证工具的严谨性，避免在缺乏可解释性的情况下盲目扩展智能体规模。同时，这也提醒从业者，AI 辅助研究必须严格遵守学术伦理，避免产生未经充分验证和归因的学术争议，否则将严重阻碍技术成果的落地与转化。
适用边界
本文的分析主要局限于 OpenAI 针对纳维-斯托克斯猜想的具体研究案例及其多智能体系统的贡献度评估。因此，该结论不能直接推演至所有 AI 模型或单一智能体在复杂科学问题上的表现。由于语言模型的“黑盒”特性，任何试图将本案例中“多智能体贡献不足 10%”或“方法路径不同”的结论普遍化到所有 AI 数学推理场景的判断均缺乏实证支持。此分析也不适用于 AI 在代码生成、自然语言处理等非严格数学证明领域的表现。
孤本观察
本次争议表明，AI 在形式化数学验证上的快速输出与人类数学界的严谨审查标准之间存在巨大鸿沟，多智能体系统的“规模叙事”掩盖了基础模型自身推理能力的关键作用。
常见问题
OpenAI 在验证纳维-斯托克斯证明时使用了多少模型实例和令牌？
OpenAI 部署了约 10,000 个模型实例，并消耗了 1300 亿个令牌。
Noam Brown 估计多智能体架构对证明成功的贡献占比是多少？
Noam Brown 估计多智能体架构对成功的贡献不足 10%，核心驱动力在于基础模型本身。
纽约大学数学家特里斯坦·巴克马斯特指控 OpenAI 使用了谁的研究成果？
巴克马斯特指控 OpenAI 使用了其本人及 Anthropic 研究员 Levent Alpöge 的公开研究成果。
OpenAI 在 2024 年 10 月初以什么形式发布了约 400 个新的数学结果？
OpenAI 在 GitHub 上以松散合集的形式发布了这些结果。
Noam Brown 承认关于多智能体架构的哪个具体方面尚不清楚？
Noam Brown 承认尚不清楚多智能体架构相对于单智能体（如 1,000 个）的具体贡献。
来源：The Decoder