GPT-5.4 Pro解出1道30年未決數學題

2025年6月，一道困擾組合數學界30年的開放性問題，被GPT-5.4 Pro在單次對話中解決了。

不是近似答案，不是啟發思路，是完整證明。問題貢獻者、北卡羅來納大學夏洛特分校數學家Will Brian確認了解法的正確性，并計劃將其正式發表。更微妙的是：Brian承認，他"之前想過AI的方法可能可行，但覺得很難實現"——結果AI自己把這條路走通了。

一道什么樣的題，讓人類和AI都卡了這么久

這個問題屬于拉姆齊理論（Ramsey Theory）的一個分支，研究的是超圖（Hypergraph）中的劃分結構。簡單說，數學家想知道：給定一個"沒有孤立點"的超圖，最多能有多少個頂點，同時保證不存在某種特定大小的劃分？

序列H(n)描述的就是這個上限。人類數學家此前構造的下界被認為是"次優的"，甚至漸進意義上也不夠好。問題的核心在于找到新的超圖構造方法——這不是算力能暴力破解的，需要真正的結構性洞察。

Epoch AI設置的測試分三檔：Warm-up（已知解法的簡單變體）、Single Challenge（無已知解法的具體數值）、Full Problem（通用算法）。GPT-5.4 Pro直接攻破了Single Challenge檔，找到了一個|V|≥64、|H|≤20且滿足所有約束的超圖構造。

單次對話。沒有外部工具。沒有人類提示"往這個方向試試"。

為什么數學家Brian的反應值得玩味

Brian的評語里有句話很關鍵："它消除了我們下界構造中的一個低效之處，并且在某種意義上鏡像了我們上界構造的復雜性。"

翻譯一下：人類數學家其實有直覺，知道哪里可能優化，但沒能自己完成。AI的解法不僅補上了缺口，還跟人類已有的上層框架形成了對稱——這種"鏡像"讓Brian既興奮又好奇，他說"想進一步理解為什么這招這么好用"。

這里有個反直覺的點。我們通常以為AI解數學題=算得快，但組合數學的開放問題不是靠算力堆出來的。GPT-5.4 Pro的解法被描述為"eliminates an inefficiency"——這是結構層面的洞見，不是窮舉。

更耐人尋味的是后續：Brian計劃把AI的想法作為"follow-on work"的起點，Barreto和Price可以選擇成為合著者。學術發表的游戲規則沒變，但第一作者的位置空了出來——或者說，被一段對話記錄取代了。

其他模型后來也解出來了，但這正是問題所在

Epoch AI完成測試框架后，用同一套scaffold測試了更多模型：Opus 4.6 (max)、Gemini 3.1 Pro、甚至GPT-5.4的基礎版(xhigh)都成功解出了這道題。

這像什么？就像你發現自家鎖被一把鑰匙打開后，很快發現市面上五把不同的鑰匙都能開。問題的難度沒有變，但"可解性"的閾值被一次性拉低了。

對數學界來說，這意味著FrontierMath——那個專門收集"AI應該還解不了"的開放問題庫——可能需要重新校準。Epoch AI設計這個基準測試的初衷是找到人類仍具優勢的地帶，結果第一道防線這么快就出現裂痕。

對25-40歲的科技從業者，這個場景應該很熟悉：你維護的某個"護城河"技術，突然被通用方案跨過去了。不是對手多努力，是基座能力躍遷了。

產品經理視角：當"不可解"變成"已解決"之后

從工具設計的角度看，GPT-5.4 Pro的這次表現有幾個值得拆解的細節。

首先是交互成本。Brian提到的是"a full transcript of the original conversation"，說明解法來自自然語言對話，不是專門的證明輔助工具。這意味著數學家不需要學習新界面，用日常交流的方式就獲得了突破。工具門檻的降低，往往比性能提升更改變使用模式。

其次是可驗證性。AI生成的數學證明歷來被質疑"幻覺"風險，但這次有完整對話記錄和AI自己的write-up可供復核。Brian作為問題貢獻者的背書，相當于給這個特定案例做了人工審計。規模化之后，這種審計成本怎么攤，是個開放問題。

最后是知識產權的模糊地帶。Barreto和Price作為"提示工程師"可以選擇成為論文合著者，但他們的貢獻邊界很難界定。如果同一道題換個人提示，AI給出等價解法，算獨立發現還是重復工作？學術評價體系還沒準備好回答這個。

Will Brian在確認解法后說，他對"為什么這招這么好用"感興趣。這句話的潛臺詞是：AI給出了答案，但解釋這個答案為什么成立，仍是人類的工作——至少目前是。

可如果下次，AI連"為什么好用"的解釋也一并生成了呢？