据三十六氪十月九日晚间报道，美东时间十月六日傍晚六点，OpenAI 在 GitHub 放出由一款尚未公开的内部模型撰写的 722 篇数学研究手稿，归纳为 17 个领域 372 个成果族，其中 162 篇附主结果的 Lean 形式化证明。OpenAI 官方表示，每个成功结果消耗的算力约相当于 ChatGPT Pro 思考三小时。十月七日因一处符号错误及其连锁影响撤回 3 篇，现存 719 篇。另有研究者指出，该仓库不接受 pull request 与 issue。
这件事的荒诞感在于产量。一个资深数学研究者一辈子能写出几十篇有分量的论文，OpenAI 一次提示词批次就吐出 722 篇。这不是量变，是通胀。当符号经济里的单位（一篇论文、一个定理、一次引用）被瞬间灌水，所有依赖这些单位建立起来的学术信用体系都会重新定价。
三小时一篇的证明，价值锚点在哪里？
Lean 形式化证明确实是硬通货：编译器不会被骗。但 722 篇里只有 162 篇带 Lean 主结果证明，比例约 22%。剩下 560 篇是「may be」，是模型给出的非形式论证，等着人类或未来的工具去核验。米兰比可卡大学的 Caporaso 等学者已经公开质疑：Lean 验证不等于数学界确认，更不等于这些结果值得被引用。
问题在于，数学共同体的运行依赖一种稀缺性：一个结果要被接纳为「定理」，需要经过同行评议、需要有人引用、需要有人在它之上继续工作。当产出速度超过消化速度，消化端就会坍塌。没有人能读完 722 篇，没有人会去给 719 篇每一篇写 referee report。结果就是这些手稿作为整体被忽略，或者被粗暴地打包贴上「AI 生成」标签扔进历史垃圾堆。
署名权与引用秩序会怎样重组？
更深一层：这 722 篇论文没有传统意义上的作者。OpenAI 是机构不是数学家，那个内部模型是工具不是合作者。如果其中某个结果十年后被一位人类数学家真正发展成重要理论，引用时该引谁？引 OpenAI 的 GitHub 仓库？引那个未公开模型？这在学术出版史上没有先例。
我的判断是：数学界不会因此崩溃，但会分裂出两条轨道。一条是传统人类数学，节奏慢、密度高、靠同行信任运转；另一条是机器数学工厂，产出批量待核验命题，由专门的「证明核验者」与「猜想筛选者」在中间分拣。两轨之间的汇率，会成为未来十年数学社会学最有趣的题目。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论。