GPT-6 Astra首破5道未解Erd?s数学难题，创AI数学推理新标杆

2026年9月5日，OpenAI正式发布其品牌历史上能力最强的模型——GPT-6 Astra。该模型被官方定义为当前全球智能水平最高、对齐效果最优的生成式人工智能系统。

模型的预训练工作在美国得克萨斯州Stargate超算中心完成，总计调用超过十万张GPU，并首次在旗舰级模型研发中大规模引入前代模型参与监督训练过程。

其实际能力如何？近期，Epoch AI与曼彻斯特大学联合发布的FrontierMath Erd?s（FME）基准测试结果提供了关键验证。在这一专为评估前沿数学推理能力设计的严苛测试中，GPT-6 Astra是唯一提交有效解题成果的大语言模型。

测试涵盖68道迄今尚未被人类解决的Erd?s数学难题，全部题目均无已知标准答案，杜绝模型依赖训练数据“记忆作答”。所有参测模型必须以Lean语言输出形式化证明，由验证内核自动判定逻辑正确性；每轮测试统一限定预算300美元、时限72小时，确保评估环境完全公平。

在标准测试条件下，GPT-6 Astra成功完成其中2道题目的形式化证明；在放宽算力限制的扩展实验中，又额外攻克3道，包括1931年Erd?s18岁时提出的“解离集猜想”——他本人曾称此为“人生第一个正经问题”，以及极值图论领域久负盛名的Erd?s-Sós猜想。这两道题多年来始终未能被任何数学家完整解决。

五项成果中，既有通过构造反例推翻原有命题的突破，也有对全新命题给出严格形式化证明的进展，整体难度远超常规数学推理任务。

据测算，GPT-6 Astra为完成这五次解题尝试共消耗算力逾22万美元，而单次标准测试仅投入约2万美元。按300美元单次运行、3%成功率估算，模型每成功解答一道重要开放性数学问题，期望成本约为1万美元。

值得注意的是，相关研究也指出：模型可能已形成正确解题思路，却受限于形式化表达能力，无法将其转化为可验证的Lean证明；此外，数学探索不仅在于求解既有问题，更在于提出新问题、构建新框架。此次测试所列68道难题中，仍有63道未被触及。尽管有观点认为这标志着通用人工智能时代开启，但距离真正实现高阶数学领域的全面自主研究，仍存在显著差距。