他讓GPT-5.6 Sol連跑33小時攻關費馬大定理，被系統強制終止

一位開發者近日進行了一項大膽的實驗，讓 OpenAI 最新一代大型語言模型 GPT-5.6 Sol 連續運行了長達 33 個小時，目標是挑戰數學史上最著名的難題之一——費馬大定理的證明。然而，就在模型不斷產出新的數學推導與嘗試之際，系統最終因超出運算資源限制而強制終止了這個進程，未能得出完整的證明結果。這個實驗不僅引發了外界對 AI 推理能力極限的關注，也讓業界對這套模型究竟能處理多複雜的數學問題充滿好奇。據了解，GPT-5.6 Sol 是 OpenAI 最新推出的旗艦級大型語言模型，相較於前代版本，它在邏輯推理、數學運算與長期連貫思考方面進行了顯著強化。

開發者選擇將費馬大定理的證明任務交給它，並刻意不設定時間或步驟上限，讓模型以不間斷的方式進行運算。在長達 33 小時的過程中，GPT-5.6 Sol 持續生成新的數學推導、嘗試不同的證明路徑，並反覆修正自己的邏輯鏈條，展現出驚人的持續推理能力。費馬大定理是數學史上最具傳奇色彩的難題之一，由法國數學家皮埃爾·德·費馬在 1637 年提出。費馬在閱讀古希臘數學家丟番圖的《算術》時，在書頁邊緣寫下了一段著名的筆記，聲稱自己發現了一個絕妙的證明，但因為書邊空白太窄而無法寫下。這個定理的陳述看似簡單：當整數 n 大於 2 時，方程式 xⁿ + yⁿ = zⁿ 沒有正整數解。

然而，這個看似簡單的命題卻困擾了數學界長達三個半世紀，直到 1994 年才由英國數學家安德魯·懷爾斯給出完整且嚴謹的證明。懷爾斯的證明過程本身就是數學界的一段傳奇。他花了七年時間秘密研究，最終在 1993 年於劍橋大學的一次講座中宣布證明成功，但隨後被發現證明中存在一個漏洞。懷爾斯又花了一年多的時間，與他的學生理查·泰勒合作，最終在 1994 年修補了漏洞，才正式完成了這個世紀難題的證明。懷爾斯的證明運用了大量現代數學工具，包括橢圓曲線、模形式與伽羅瓦表示理論，其複雜程度遠超費馬時代的數學範疇。這次 GPT-5.

6 Sol 的實驗雖然沒有成功重現懷爾斯的證明，但模型在長時間運算中展現出的持續推理能力，仍然讓業界感到振奮。開發者觀察到，模型在運算過程中並非簡單地進行暴力搜索或隨機嘗試，而是展現出某種程度的策略性思考：它會先建立一些基礎的數學假設，然後逐步推導出中間結論，並在遇到矛盾時回溯調整方向。這種類似人類數學家在解題時採用的「探索與修正」模式，顯示出大型語言模型在高等數學領域的應用潛力。值得注意的是，系統在 33 小時後強制終止進程，並非因為模型本身出現錯誤或崩潰，而是因為運算資源的限制。GPT-5.

6 Sol 在長時間運行中消耗了大量的計算資源，包括 GPU 運算時間與記憶體，最終觸發了系統的資源保護機制。開發者表示，這個結果雖然令人遺憾，但也從側面反映出模型在面對極度複雜的數學問題時，確實需要更龐大的運算基礎設施來支撐。這次實驗也引發了學術界與科技界的廣泛討論。部分數學家認為，AI 目前仍然無法真正理解數學證明的深層結構，它們只是基於大量訓練數據進行模式匹配與序列生成。然而，也有專家指出，GPT-5.6 Sol 在長時間運算中展現出的連貫推理能力，已經超越了單純的語言模型範疇，開始觸及某種形式的「數學直覺」。

這種直覺雖然還遠不及人類頂尖數學家的水準，但隨著模型規模與訓練數據的不斷增長，未來或許能夠在數學研究中扮演輔助角色。開發者事後表示，這次實驗雖然以系統強制終止告終，但過程中收集到的數據與觀察到的模型行為，對於理解 AI 的推理極限具有重要價值。他計畫在未來調整參數設定或優化資源配置，再次嘗試類似的挑戰。可能的改進方向包括：為模型提供更明確的證明方向指引、設定階段性目標以降低長期運算的資源消耗，或是採用分散式運算架構來分擔負載。OpenAI 方面目前尚未對這次實驗發表官方評論，但業界普遍認為，GPT-5.6 Sol 的表現已經證明了大型語言模型在處理複雜數學問題上的潛力。

費馬大定理的證明或許短期內仍無法由 AI 獨立完成，但隨著技術的進步，AI 在數學研究中的角色將從單純的計算工具，逐步演變為能夠參與推理與創新的合作夥伴。這次實驗也為 AI 領域帶來了一個值得深思的問題：當我們賦予模型越來越強大的推理能力時，如何定義「成功」與「失敗」？GPT-5.6 Sol 雖然沒有完成費馬大定理的證明，但它在 33 小時內產生的數學推導與邏輯鏈條，或許本身就蘊含著某些尚未被發現的數學洞見。開發者表示，他正在整理模型運算過程中產生的所有推導記錄，並計畫將其公開，供數學界與 AI 研究社群進一步分析。從更宏觀的角度來看，這次實驗象徵著 AI 從「回答問題」到「解決問題」的轉變。

傳統上，大型語言模型被設計用來回答用戶提出的問題，但 GPT-5.6 Sol 的長時間自主運算，顯示出模型已經具備在某個特定領域內進行持續探索與嘗試的能力。這種能力如果能夠進一步強化，未來或許可以用於自動化數學證明、科學假說生成，甚至是藥物分子設計等需要長期推理的複雜任務。儘管費馬大定理的證明最終未能由 AI 完成，但這個實驗已經在科技界與數學界之間架起了一座新的橋樑。它讓人們看到，AI 不僅能夠處理日常生活中的語言任務，也開始觸及人類智力活動中最深奧的領域之一——數學證明。隨著運算資源的擴展與模型架構的優化，或許在不久的將來，我們就能看到 AI 在數學研究中寫下屬於自己的傳奇篇章。