【AI数学能力之争：移动的终点线与真实的进步】
OpenAI员工Andrew Mayne发了一条推文，梳理了过去18个月里人们对AI数学能力的态度变化：从“AI不会做数学”，到“只有高中生水平”，到“能赢数学竞赛但不能生成新证明”，再到“那个证明太显然了”。他预测下一个说法会是“但它还没超过人类数学家的全部产出”。
这条推文在Reddit引发了一场精彩的混战。
支持者指出，前沿模型在AIME测试上已经能拿到90%以上的分数，而大多数人连一道题都答不出来。更关键的是，2026年刚发布的AIME新题也被攻克了，这意味着不是靠背答案。陶哲轩、小野等顶级数学家都在认可AI的数学贡献，而很多数学研究生还停留在“AI不会做数学”的认知里。
反对者的论点同样有力。有人指出，LLM本质上是统计近似，无法进行确定性运算。两周前Gemini还在同一个回答里说100万纳秒既等于1微秒又等于1000微秒。GPT直到最近才搞清楚0.9比0.11大。这种低级错误在任何严肃任务中都不可接受。
最有意思的是关于“工具调用”的争论。AI做数学其实是靠调用计算器和Python脚本，这算真正的数学能力吗？一派认为这是作弊，真正的智能应该内生地理解数学。另一派反驳说，人类不也用计算器吗？知道何时使用正确的工具本身就是智能的一部分。
这里有个被忽视的关键区别：算术和数学是两回事。LLM确实不擅长精确计算，但数学远不止于此。就像有人说的，拉马努金也不是靠精确计算出名的，他擅长的是发现数学模式和联系。
一位艺术家的留言让人印象深刻：作为创作者，这几年是他人生中最糟糕的时期。他花了多年磨练技艺，现在艺术被贬值到写个提示词就能自称画家的地步。这种焦虑在程序员群体中同样蔓延，只是现在“AI不会写代码”的说法已经站不住脚，他们开始转向“AI不会做编码之外的工作”。
有人提出了一个精准的比喻：乔布斯说电脑是思维的自行车，那AI更像喷气式飞机。创新吗？当然。有用吗？在某些场景下无可替代。但什么事都用它，既浪费又污染。
真正值得思考的问题是：AI在数学上的突破，究竟是通用智能的体现，还是针对特定任务砸钱优化的结果？怀疑者说，这些系统最好的情况也只是逼近人类知识的边界，从未真正超越。支持者说，你们的终点线一直在移动。
也许两边都对。进步是真实的，局限也是真实的。问题在于，我们是在见证通往通用智能的道路，还是在见证一系列越来越精巧的专用工具的诞生。
这个答案，可能18个月后会更清晰一些。
reddit.com/r/OpenAI/comments/1qzdcgi/18_months
