AI數學的最後一道高牆，塌了！GPT-6 Astra刷穿FrontierMath Tier 4

T-6 Astra攻破了。至此，這套曾經被視作大模型數學噩夢的研究級測試，所有題目都已經至少被AI成功解出過一次。Epoch AI也正式給它下了結論，FrontierMath Tier 4，飽和了。雖然從上面的圖裡看，Astra還沒有直接幹到100%，OpenAI自己公佈的成績也是97.6%。但按照Epoch的算法，“全部解出”指的是把不同模型、不同時間的嘗試累積起來以後，Tier 4裡的每一道題都已經有過成功解答。而Astra幹掉的，正是此前唯一還沒有被AI攻破的那一道。（簡單理解就是Astra可能在某次測試中出錯了，但它對的那道題是此前沒被解出來的） 有一說一，這個發展速度還是相當離譜的。

如果你關注模型評測的話，就知道2025年7月11日，Tier 4剛剛推出時，榜上最高成績只有大約5%。現在剛過了一年零2個月，這個曾經的“高牆”已經變成了“臺階”，最後一道難以被AI通過捷徑繞道解決的問題也被跨越。出題人自馬凱特大學數學副教授Jay Pantone也表示，以往AI都會找數值捷徑，而這一次，AI的解法和自己相當接近。不過，就在最近GPT-6 Astra集中向數學界猛攻，三天兩頭解決千禧年難題之際，Pantone表示自己已經很難驚訝了！可以說，數學儼然已經成了Astra最近刷存在感最猛的地方之一。

從不足2%，到專門加一道“研究級防線” FrontierMath最早於2024年11月7日發佈，而它誕生的目的，本身就是為了避免數學Benchmark過快被AI刷穿。當時像GSM8K、MATH這樣的傳統數學Benchmark已經越來越難拉開頭部模型之間的差距，於是Epoch AI聯合60多位數學家，重新設計了一批此前從未公開過的原創題。其中，就包括陶哲軒、Timothy Gowers、Richard Borcherds等菲爾茲獎得主。陶哲軒當時看完其中一些研究級題目後直言，這些題“極其困難”，甚至判斷最難的Tier 3，可能還能讓AI再卡上幾年。

結果第一輪測下來，果然不出所料，領先模型的正確率還不到2%。具體的，在最開始，FrontierMath的核心題庫共有300道題，按照難度分成Tier 1、Tier 2和Tier 3三個層級。Tier 1大致接近高難度本科題和數學奧賽，不過允許使用更高級的工具；Tier 2已經來到高年級研究生難度；Tier 3則更接近博士生早期會遇到的探索性研究問題。但隨著推理模型出現，這前三層也開始越來越不夠用了，於是2025年，Epoch又往上加了一層，Tier 4。Tier 4大多由數學教授和博士後設計，每個人會圍繞自己的研究方向，進行數週左右的短期研究，最後再把成果壓縮成一道可以被自動驗證的問題。

最初，Tier 4一共收錄了50道題。它們覆蓋的範圍包括分析、數論、組合數學、拓撲、代數幾何…… 在發佈之初，所有模型歷次測試加起來，也只有3道題曾經被解出，而且這些解答還依賴了一些正確、但沒有被充分論證的假設。鑑於此，在官網的公開樣題頁面上，Epoch還一度寫道：其中一些題，可能幾十年都不會被AI解決。（這句話現在開始被反覆鞭屍） 不過隨著模型越來越強，另一個問題也暴露了出來：題庫本身也開始經不起AI“拷打”了。OpenAI在測試過程中發現，FrontierMath裡的錯誤比預期更多。隨後Epoch啟動獨立審計，先用GPT-5.5和Claude Opus 4.

7篩查疑點，再交給數學家逐題複核。最終在2026年6月推出v2版本，其中Tier 4修正了12道題、移除了7道題，留下43題。修訂之後，模型的成績依然一路往上衝。GPT-5.6 Sol做到83.0%，Claude Fable 5達到90.2%，到了GPT-6 Astra，成績已經來到97.6%。更關鍵的是，Astra還補上了此前唯一一道從未被AI解出的題。至此，Tier 4裡的每一道題，都已經至少被AI成功攻破過一次。這套專門為最強模型加出來的研究級防線，最終也被刷穿了。不過，這並不意味著“數學已經被AI解決了”。恰恰相反，FrontierMath自己已經開始往下一階段走。

現在整個項目除了Tiers 1-4，還增加了真正的Open Problems，以及把Erdős開放問題形式化進Lean的FrontierMath Erdős。前者直接拿尚未被數學界解決的研究問題考模型；後者則要求AI寫出能夠通過形式化驗證的完整證明。這一次，Astra在FrontierMath Erdős的68道問題裡，只解決了2道。故事仍在繼續～ 版權所有，未經授權不得以任何形式轉載及使用，違者必究。