OpenAI的GPT-6 Astra登顶ErdosBench数学基准，首席科学家称数学并非优化重点
在ulam.ai的ErdosBench上，GPT-6 Astra以 3.23 分、解出 106 道题的成绩一度排名第一；OpenAI首席科学家Jakub Pachocki在文章中表示，公司本可以让模型在数学研究上更强，但出于对递归自我改进和自动化对齐研究的紧迫感，没有把数学作为优先方向。
AI解读：ErdosBench覆盖 226 道受Erdős问题启发的开放数学题。GPT-6 Astra以 3.23 分解出 106 道，其中 43 道完全解出，还证伪了 27 道；对比之下，Sol在最大推理强度下解出 78 道。
基准开发者Przemek Chojecki称这是“在多项数学研究技能上约 5% 到 10% 的提升”，并指出基准远未饱和。Astra随后被Fable 5.1以 3.25 分超过，但Astra解出的题目总数仍最多。
OpenAI首席科学家Jakub Pachocki在文章《An Alien Mind》中写道，公司相信可以通过额外投入让模型在数学研究上更强，但不优先这个方向，因为对递归自我改进和自动化对齐研究感到紧迫。
这意味着当前最强的数学表现并非针对性优化的结果，而是其他优先级的副产品。Pachocki的说法被文章视为支持AI发展路径越来越“尖峰化”的证据：在少数领域极强，而在语言质量、常识、社交推理等方面可能停滞甚至倒退。
数学家Terence Tao在 2026 年国际数学家大会上提出，如果AI模型产出证明的速度持续超过人类验证速度，数学领域可能从证明稀缺转向证明过载，关键任务会从解决问题变成判断哪些结果真正重要。
目前最难的数学问题仍未解决，这为数学界争取了一些时间；但文章同时提到，部分数学家怀疑语言模型缺乏人类式创造力，难以带来真正突破，对AI实现真正自我改进也存在疑虑。
在ulam.ai的ErdosBench基准上，OpenAI的GPT-6 Astra一度排名第一，得分为 3.23，解出 226 道开放数学题中的 106 道，其中 43 道完全解出，另有 27 道被其证伪。
该成绩出来后，Fable 5.1以 3.25 分重新夺回榜首，但GPT-6 Astra解出的题目总数仍最多。
OpenAI首席科学家Jakub Pachocki在文章《An Alien Mind》中写道，公司本可以通过额外投入让模型在数学研究上更强，但出于对递归自我改进（RSI）和自动化对齐研究的紧迫感，没有优先这个方向。
ErdosBench上的成绩与对比
ErdosBench覆盖 226 道受著名Erdős问题启发的开放数学问题。基准开发者Przemek Chojecki将Astra的表现描述为“在多项数学研究技能上约 5% 到 10% 的提升”，同时指出该基准远未饱和。
与Sol相比，Sol在最大推理强度下解出 78 道题；Astra解出 106 道。文章还称Astra展现出更强的科学写作能力，且更不容易做出夸大性主张，有时甚至会低估自己的结果。
OpenAI为何不优先优化数学
Pachocki在文中表示，OpenAI把资源投入递归自我改进和确保未来AI系统的安全，因为“我们认为这是未来保持在AI研究前沿的唯一方式”。
这意味着当前最强的数学表现并非针对性优化的成果，而是其他优先事项的副产品。文章补充说，自该文发表以来，据报道OpenAI训练了更好的内部数学模型，此事较为复杂，且RSI和AI安全话题已急剧升温。
“尖峰化”发展路径的论据
文章将Pachocki关于故意跳过数学优化的说法，视为支持AI能力发展越来越“尖峰化”的证据：即在编程、数学等少数领域极强，而在语言质量、常识或社交推理等方面可能停滞甚至倒退。
文章引用剑桥研究者Adam Hunt的一张可视化图，对比两种可能路径：主流AGI假设认为模型会逐步、广泛地提升直至覆盖所有人类任务；另一种情景则描述轨迹越来越“尖峰化”，最终得到的是一个高度专业化的模型，而非大多数人所说的通用人工智能。
数学领域面临的验证压力
数学家Terence Tao在 2026 年国际数学家大会上提出，如果AI模型持续以超过人类验证速度产出证明，数学领域可能从证明稀缺转向证明过载。
届时关键任务将不再是解决问题，而是判断哪些结果真正重要。Tao称数学正面临一场价值观与实践的危机，并将其与 20 世纪初的基础性剧变相提并论。
文章称，目前最难的数学问题仍未解决，这为数学界争取了一些时间。但方向似乎已经确定，尽管部分数学家认为语言模型缺乏人类式创造力，无法带来真正突破，也因此对AI实现真正自我改进的潜力存疑。