需要明确的是，模型并未证明黎曼假设本身——该问题仍属七大克雷千禧年难题之一，悬赏100万美元尚未揭晓。但所获结果是一个解析数论中的真实定理 。

全自主探索：650次失败，两个“幸运”智能体

这一突破的实现方式尤其引人注目：

• 一名毫无严肃数学背景的Anthropic员工仅仅要求模型“认真试一试”证明黎曼假设 。
• 在约1.5天时间里，模型自动测试了约650种候选思路，在60个协调运行的子智能体间进行分工探索 。
• 全程消耗3100万输出token（分两次会话），执行了2400条Shell命令，并通读了54篇arXiv论文 。
• 60个子智能体中，仅有两个负责开发了关键的数学突破 。
• 获胜思路将Enrico Bombieri 2000年的一篇论文与更新的结果进行了结合——这一组合在人类研究者之前从未被提出过 。

双重验证：人类专家审查+Lean形式化

Anthropic内部数学家Levent Alpöge与Ralph Furmaniak对证明进行了评审和确认 。随后，该证明在交互式定理证明器Lean中完成了形式化验证，生成了一个可被机器检查的正确性证书 。这一“专家人工审查+形式化验证”的双重流程，被普遍视为AI生成数学成果公信力的最佳实践。

2026年“突破之年”：AI数学能力的真正拐点

Claude 在黎曼边界上的进步并非孤立事件。2026年已成为AI独立数学发现的爆发年：

• 2026年5月——OpenAI宣布其未发布的通用推理模型自主否证了有着80年历史的Erdős单位距离猜想 。
• 2026年5月——Google DeepMind的AlphaProof Nexus解决了9个Open问题（部分已56年未解），并在Lean中形式化证明了整数序列在线百科中的44条猜想 。
• 2026年7月——Anthropic数学家Levent Alpöge利用未发布的“Fable 5”模型找到了针对雅可比猜想的反例（该问题提出于1939年） 。
• 2026年8月——OpenAI的Astra模型以约2000美元计算成本解决了十个已数十年未解决的数学问题，并已在GitHub上发布了Lean可机检验证明 。

多位评论者指出，2026年中期该领域已跨越了一个门槛：AI系统已从解决竞赛级数学问题演进到生成可发表的、开放问题的研究级别成果 。

“莱顿宣言”与“作者权”的激烈辩论

AI生成数学成果的迅速涌现引发了学界激烈讨论：

• 2026年6月，16位数学家联合发布了**《莱顿人工智能与数学宣言》**，建议在证明结构、作者归属及人工智能生成结果的人工监督方面建立新标准。该宣言已获国际数学联盟讨论 。
• 核心争议包括：当AI生成了一个证明时，作者归属权应如何分配？若证明过长或过于新颖以至人类无需形式化工具就无法完整审查，学界如何维持认知信任？期刊应如何对没有单一人类能够单独完成的结果进行同行评审 ？
• 部分数学家批评，AI辅助证明可能会损害理解与解释性洞见——一个证明可能正确却晦涩难懂 。另有观点认为，在Lean中的形式化验证实际上比传统同行评审提供了更严格的标准 。

对科学发现方式的五点启示

Anthropic 的黎曼成果在多个具体层面推进了讨论：

1. 自主探索的规模具有革命性：在1.5天内测试650个思路、跨越60个子智能体，展示了多智能体架构在系统化搜索上任何人类研究组都无法在相同时间内匹敌的能力 。这已将问题从“AI能做数学吗？”转变为“如何将AI探索融入科学发现流水线？”
2. 意外的综合是可能的：一个没有数学训练经历的模型，竟能跨文献将2000年的Bombieri论文与更近期的成果结合——这是任何人类从未看到的组合——表明AI能够做出非直观的概念连接 。这直接回应了关于LLMs仅会插值还是会真正发现的根本质疑。
3. 形式化验证消除了信任难题：Lean形式化意味着结果不是一个“黑箱”声明，而是一个可被机械检验的、绝对正确的定理 。这为如何使AI生成的科学成果具备可验证性提供了模板，回应了反对AI发现的最强异议之一。
4. “作者权”辩论是建设性的而非破坏性的：在DeepMind、OpenAI、Anthropic等惊人成果的同时，学界同样提出了以社区为主导的制度回应（莱顿宣言），表明数学界正在适应而非退缩 。当前讨论聚焦于规范和荣誉，而非完全拒绝AI产出。
5. 发现的速度和成本正在崩塌：OpenAI Astra成果约2000美元的计算成本和Claude黎曼边界36小时的周转，意味着出版一个可发表的数学发现边际成本正趋近于零 。这对研究者选择哪些问题、谁能参与数学研究具有深远的含义。

简言之：Anthropic的黎曼下界提升是一个标志性展示——AI系统现在已能自主发现可发表、可形式化验证、并能推进一个150年未解开放问题的数学成果。结合2026年一系列类似突破，讨论已经从“AI能否贡献科学发现”转向“科学界应如何为新一代AI共同发现者构建激励机制、归属权和验证体系”。

关于本文来源：本文综合整理自TechCrunch、arXiv、The New York Times、《莱顿宣言》原文及相关学者评论。所有事实性引用均已标注来源编号，包括多家科技媒体、数学学术预印本及权威新闻报道。

需要明确的是，模型并未证明黎曼假设本身——该问题仍属七大克雷千禧年难题之一，悬赏100万美元尚未揭晓。但所获结果是一个解析数论中的真实定理 。

全自主探索：650次失败，两个“幸运”智能体

这一突破的实现方式尤其引人注目：

• 一名毫无严肃数学背景的Anthropic员工仅仅要求模型“认真试一试”证明黎曼假设 。
• 在约1.5天时间里，模型自动测试了约650种候选思路，在60个协调运行的子智能体间进行分工探索 。
• 全程消耗3100万输出token（分两次会话），执行了2400条Shell命令，并通读了54篇arXiv论文 。
• 60个子智能体中，仅有两个负责开发了关键的数学突破 。
• 获胜思路将Enrico Bombieri 2000年的一篇论文与更新的结果进行了结合——这一组合在人类研究者之前从未被提出过 。

双重验证：人类专家审查+Lean形式化

Anthropic内部数学家Levent Alpöge与Ralph Furmaniak对证明进行了评审和确认 。随后，该证明在交互式定理证明器Lean中完成了形式化验证，生成了一个可被机器检查的正确性证书 。这一“专家人工审查+形式化验证”的双重流程，被普遍视为AI生成数学成果公信力的最佳实践。

2026年“突破之年”：AI数学能力的真正拐点

Claude 在黎曼边界上的进步并非孤立事件。2026年已成为AI独立数学发现的爆发年：

• 2026年5月——OpenAI宣布其未发布的通用推理模型自主否证了有着80年历史的Erdős单位距离猜想 。
• 2026年5月——Google DeepMind的AlphaProof Nexus解决了9个Open问题（部分已56年未解），并在Lean中形式化证明了整数序列在线百科中的44条猜想 。
• 2026年7月——Anthropic数学家Levent Alpöge利用未发布的“Fable 5”模型找到了针对雅可比猜想的反例（该问题提出于1939年） 。
• 2026年8月——OpenAI的Astra模型以约2000美元计算成本解决了十个已数十年未解决的数学问题，并已在GitHub上发布了Lean可机检验证明 。

多位评论者指出，2026年中期该领域已跨越了一个门槛：AI系统已从解决竞赛级数学问题演进到生成可发表的、开放问题的研究级别成果 。

“莱顿宣言”与“作者权”的激烈辩论

AI生成数学成果的迅速涌现引发了学界激烈讨论：

• 2026年6月，16位数学家联合发布了**《莱顿人工智能与数学宣言》**，建议在证明结构、作者归属及人工智能生成结果的人工监督方面建立新标准。该宣言已获国际数学联盟讨论 。
• 核心争议包括：当AI生成了一个证明时，作者归属权应如何分配？若证明过长或过于新颖以至人类无需形式化工具就无法完整审查，学界如何维持认知信任？期刊应如何对没有单一人类能够单独完成的结果进行同行评审 ？
• 部分数学家批评，AI辅助证明可能会损害理解与解释性洞见——一个证明可能正确却晦涩难懂 。另有观点认为，在Lean中的形式化验证实际上比传统同行评审提供了更严格的标准 。

对科学发现方式的五点启示

Anthropic 的黎曼成果在多个具体层面推进了讨论：

1. 自主探索的规模具有革命性：在1.5天内测试650个思路、跨越60个子智能体，展示了多智能体架构在系统化搜索上任何人类研究组都无法在相同时间内匹敌的能力 。这已将问题从“AI能做数学吗？”转变为“如何将AI探索融入科学发现流水线？”
2. 意外的综合是可能的：一个没有数学训练经历的模型，竟能跨文献将2000年的Bombieri论文与更近期的成果结合——这是任何人类从未看到的组合——表明AI能够做出非直观的概念连接 。这直接回应了关于LLMs仅会插值还是会真正发现的根本质疑。
3. 形式化验证消除了信任难题：Lean形式化意味着结果不是一个“黑箱”声明，而是一个可被机械检验的、绝对正确的定理 。这为如何使AI生成的科学成果具备可验证性提供了模板，回应了反对AI发现的最强异议之一。
4. “作者权”辩论是建设性的而非破坏性的：在DeepMind、OpenAI、Anthropic等惊人成果的同时，学界同样提出了以社区为主导的制度回应（莱顿宣言），表明数学界正在适应而非退缩 。当前讨论聚焦于规范和荣誉，而非完全拒绝AI产出。
5. 发现的速度和成本正在崩塌：OpenAI Astra成果约2000美元的计算成本和Claude黎曼边界36小时的周转，意味着出版一个可发表的数学发现边际成本正趋近于零 。这对研究者选择哪些问题、谁能参与数学研究具有深远的含义。

简言之：Anthropic的黎曼下界提升是一个标志性展示——AI系统现在已能自主发现可发表、可形式化验证、并能推进一个150年未解开放问题的数学成果。结合2026年一系列类似突破，讨论已经从“AI能否贡献科学发现”转向“科学界应如何为新一代AI共同发现者构建激励机制、归属权和验证体系”。

关于本文来源：本文综合整理自TechCrunch、arXiv、The New York Times、《莱顿宣言》原文及相关学者评论。所有事实性引用均已标注来源编号，包括多家科技媒体、数学学术预印本及权威新闻报道。