OpenAI模型推翻80年单位距离猜想，AI首次独立解决核心数学公开难题

据动察 Beating 监测，OpenAI 内部一款通用推理模型推翻了埃尔德什在 1946 年提出的平面单位距离猜想。根据原猜想，在平面上放置 n 个点，距离刚好为 1 的点对数量不会显著超过 n^{1+o(1)}，数学界长期认为类似方格的构造已接近极值。

完成这项证明的模型不是专门的数学系统，也没有使用搜索脚手架针对这道难题定制。模型给出一族新的点集构造，把单位距离点对数量拉高到 n^{1+δ} 级别（δ 为大于 0 的常数），打破了学术界沿用近 80 年的上界预期。

新解法直接跨越了常规的学科边界。模型将代数数论的深层工具引入欧氏平面组合几何。Noga Alon、Tim Gowers 和 Arul Shankar 等外部数学家在检查原始证明后，于 arXiv 发布了配套说明论文，指出推导过程依赖 Ellenberg-Venkatesh 和 Golod-Shafarevich 等复杂的代数数论思想。

菲尔兹奖得主 Tim Gowers 将这一成果视作 AI 数学里程碑。数论学者 Arul Shankar 认为当前模型已具备提出原创想法并推进完整论证的能力。相比于证明结论，更大的技术增量在于通用模型在没有专属工具链的环境下，独立跑通了一条人类专家长期未能触及的反例路线。