深入解析 Astra：OpenAI 内部模型破解十道十年未解数学谜题

新闻摘要

OpenAI 公开将其下一代主要模型家族命名为“Astra”，并发布了其内部能力的首批证据，于2026年8月1日（美东时间）披露该模型的一个内部版本在数学和理论计算机科学领域的十个长期未解问题上取得了新成果。由 OpenAI 研究员 Noam Brown 分享的这一消息，标志着该公司对一个仍在内部测试阶段的模型进行了最详细的公开预览之一，并将 Astra 定位为旨在进行长周期、多智能体推理而非单轮对话响应的系统。

Astra 的设计目标

与以往强调对话流畅性或短任务准确性的 OpenAI 版本不同，Astra 在内部被描述为旨在进行持续、自主工作的通用模型。据 OpenAI 介绍，该架构旨在让多个 AI 智能体在一段较长的时间内（跨越数小时甚至数天）就同一个复杂问题进行协同，而不是完成孤立的提示与响应交互。这种长周期、多智能体的定位被视为该模型家族的核心技术押注，使其有别于早期的 OpenAI 系统。

解决的十个十年未解问题

此次披露的核心是十个数学和理论计算机科学问题，OpenAI 表示这些问题至少在十年内（部分甚至更久）一直处于悬而未决的状态，且核心问题未取得实质性进展。这些问题涵盖高维几何、编码理论、算术电路复杂性、群论、算子代数、量子复杂性、格密码学和极值组合学。被引用最多的结果是 OpenAI 所描述的首次显式构造出非索菲克群，这解决了群论中自数学家 Mikhail Gromov 于1999年提出索菲克性概念以来一直存在的一个问题。

结果的验证方式

OpenAI 强调，这些结果并非由模型直接断言得出。人类研究员审查了模型的论证并将其整理成完整的手稿，随后模型本身将每个证明形式化为 Lean 证书——这是一种形式化数学中使用的机器可检查格式，用于验证证明的逻辑步骤是否有效。这一形式化验证步骤旨在为外部数学家提供一种独立确认每个解法正确性的方法，而不是仅仅依赖模型自身的解释。

工作的成本与规模

OpenAI 表示，按照行业标准，生成这十个解法的计算成本并不高，按当前 API 费率估算，总 token 使用量成本约为2000美元。Noam Brown 在评论这些结果时，谨慎地对声明的范围进行了保守定位，指出实验室并未将大量资源投入到任何一个单独的问题上，且这些结果也不包含任何数学领域的千禧年大奖难题。他将此次披露描述为 AI 系统在科学推理方面迈出的有意义的一步，而非一次单一的突破性时刻。

公开发布前的政府审查

Astra 尚未公开发布。OpenAI 表示，该模型家族仍在进行内部测试，并将成为首批通过美国政府新设立的审查流程的系统之一，该流程要求此类能力级别的模型在广泛普及之前必须获得官方批准。OpenAI 尚未公布该审查何时结束或 Astra 何时全面可用的具体日期。

对全球 AI 社区的意义

对于关注 AI 辅助科学发展轨迹的学生、教育工作者和研究人员来说，Astra 的披露之所以引人注目，与其说是因为某个单一的证明，不如说是因为它揭示了前沿模型发展的方向：转向旨在长时间维持复杂、多步推理的系统，并将形式化验证内置到工作流程中，而不是事后补充。如果长周期、多智能体架构被证明是可靠的，它们就能将 AI 的用途从起草文本或代码扩展到开放式的科学问题解决领域，而这一领域传统上需要多年的专业人类知识。随着独立数学家在未来几周内检查经过 Lean 验证的证明，全球观察人士预计将密切关注相关动态。

后续展望

OpenAI 表示，随着模型完成内部测试和政府审查，有关 Astra 架构、训练方法和发布时间表的更多细节将随之公布。在此之前，数学界预计将对已发布的 Lean 证书进行严格审查，而行业分析师将关注其他前沿实验室是否会以各自类似的长周期、多智能体系统作为回应。