物理学家Rikab Gambhir批评OpenAI宣称解决数学难题，指出其生成的700篇论文看似正确，实则将验证与理解推给学界，追求数量而非可读性与正确性。作者反对将科研等同于堆积无人阅读的“可能为真”事实，呼吁回归好奇心与创造本身。

2026年10月，OpenAI发布一批声称解决数学难题的手稿，但数学家并未要求此类工作。人类数学协会批评OpenAI无视数学与人工智能咨询组关于不应在内部模型上测试高深数学问题的前提，认为此举无视科研规范，一次性发布700多份文件是展示权力而非学术。该协会呼吁数学家停止与OpenAI合作，回归以人类理解为中心的科学。

OpenAI发布722篇手稿，称其未公开前沿模型解决了数百个长期未解的数学难题，涵盖372个成果族。独立顾问组AGMAI建议AI实验室及时通过学术渠道发布成果，披露模型、提示和算力，并勿将数学成果当作营销工具。结果影响尚待数学界评估，也引发研究伦理争议。

过去一年，OpenAI等机构宣称用AI解决多个数学难题，包括千禧年大奖问题，引发学界震动。但AI公司急于求成、发布草率，被指抢功、缺乏透明，甚至涉嫌使用未公开成果，激起数学家强烈反弹。OpenAI随后成立独立顾问小组试图修复关系，却因沟通混乱再遭质疑。数学界担忧AI浪潮冲击传统学术规范。

OpenAI训练新内部模型，称其已解决百余个数学难题，引发学界担忧。OpenAI协助成立独立数学顾问组，成员来自高等研究院等机构，负责评估成果、协调发布、维护学术标准，并就AI如何支持数学研究提供建议。该组独立运作，可公开批评OpenAI，但不参与内部进度决策。

OpenAI宣称其AI模型在88小时内解决了数学千年难题Navier-Stokes，但此举引发争议。研究人员指控OpenAI为抢先发布成果，可能窃取他人研究数据，并威胁合作者。数学家担忧AI公司破坏学术信任规范，可能导致研究环境趋于封闭，影响数学领域的开放合作。

Anthropic研究员Levent Alpöge与团队利用Claude解决了668阶哈达玛矩阵难题，这是数学界30年未解的问题，也是FrontierMath基准测试中第四个被AI解决的开放问题。他们共构造12个矩阵，扫清2000阶以下所有空缺，但具体方法待技术报告公布。

OpenAI宣布其AI模型Astra解决了10个长期未解的数学难题，引发数学界震动。专家既兴奋于AI加速发现，又担忧学术贡献被低估、商业炒作扭曲领域价值、年轻研究者前景黯淡。争议焦点包括对前人工作的致谢不足，以及AI成果能否真正推动数学概念性突破。

OpenAI发布GPT-5.6系列模型，包含Sol、Terra和Luna三个版本。开发者反馈Sol在生成和纠错方面优于Claude Opus 5，但专家认为需对照真实数据验证。有用户用Sol解决多个数学难题，其“超强推理”模式表现突出。总体评价因任务而异，Sol有时过度设计，部分前端任务仍需其他模型。

AI模型Astra破解10个数学难题，证明人类专家无法理解，需Lean 4验证，显示数学领域已进入窄ASI时代。AI跨域整合能力超越人类，人类角色转为翻译应用，时间线显示AI发展加速，可能引发自我改进循环，数学界权力交接已开始。

OpenAI的Astra模型以2000美元成本解决了十个数学难题，涵盖多个领域，并用Lean验证。这引发争议：成本宣传可能隐瞒尝试次数，作者身份模糊，数学家面临失业危机。未来数学研究将分化，人类需专注提问和验证，而非解题。

OpenAI通过内部模型Astra解决了十个长期未解的数学难题，涵盖高维几何、编码理论、群论等领域，并附有Lean形式化验证。公司向10万名科学家免费提供ChatGPT，强调AI在数学研究中的贡献，同时承认需社区共同探讨AI的角色与影响。

腾讯混元AI4S团队由姚顺雨亲自招人，无详细JD，仅展示AI智能体Hyra解决50年数学难题的成绩。Hyra找到关键构造，证明加法组合学上限可无限逼近，并给出Lean 4形式化证明。团队旨在打造全自动化科研，需AI研究员、系统工程师和交叉学科人才，推动AI从工具进化为研究者，同时强调人类需掌控AI发展关键决策。

埃隆·马斯克对OpenAI及其首席执行官萨姆·阿尔特曼提起的1500亿美元诉讼被陪审团驳回，原因是诉讼时效已过。OpenAI计划在2026年秋季进行首次公开募股，估值可能达到1万亿美元。同时，谷歌将在2026年I/O大会上发布多项AI更新，以与OpenAI竞争，包括新的Gemini应用和个人AI助手Gemini Spark。此外，OpenAI宣布其模型成功解决了一个80年的数学难题，标志着AI在数学领域的新进展。

谷歌DeepMind的AI系统在无人帮助下成功解出了9道长期未解的数学难题，每道题的成本仅为几百美元。这一成就展示了AI在数学推理领域的强大能力，可能会改变数学研究的方式。AI通过逻辑推理链条自动寻找解法，效率远超人类数学家，未来在多个科学领域有望发挥重要作用。

第13天的挑战是通过Python编程解决数学难题，计算按按钮到达奖品的最小成本。第一部分判断能否在100次按键内达到目标，第二部分优化大坐标偏移的处理，最终得出按键次数和总成本，成功赢得奖品。