十年前，数学家陶哲轩还在黑板前，与学生们手推每一道几何公式。

十年后，他把同样的问题丢给一台机器——GPT-5 Pro。

他想知道：AI只是更快的计算者，还是正在接近真正的理解？

几分钟后，屏幕亮起：Minkowski公式、Willmore不等式、体积积分……它把整个推理写成了完美的论文草稿。

陶哲轩看着那串结果，既震撼，又有点心凉：问题依然无解，只是被粉饰得更漂亮了。

就在那一周，另一场数字化的「数学登山」也在进行。

GPT-5 Pro在全球最难的测试集FrontierMath上拿下13%的最高分。

分数耀眼，直觉却失灵。它像一个擅长计算的神童，但在真正的研究面前，依然停下了笔。

于是问题不再是「AI能不能解题」，而是：它到底理解了多少世界？

十年前，陶哲轩还在黑板前与学生推演几何。

这位被誉为「天才中的天才」的数学家，21岁就成了最年轻的菲尔兹奖得主。

十年后，他决定亲自验证这台「拿下13%纪录」的AI究竟能做什么。

他没有选择标准题库，而是把它带进真正的科研现场——那里没有标准答案，只有开放问题。

这条信息背后，是全球最难的数学测试之一——FrontierMath Tier 4。

Epoch AI在官网形容它是「研究级问题集」，题目难度可让专家花上数周甚至数月才有进展。

也就是说，这是考验「能不能思考」，而非「会不会算」。

从Gemini 2.5到GPT-5 Pro：三个月的登顶赛

7月，Epoch AI首次公开推出FrontierMath Tier 4，称之为「AI 数学能力的珠穆朗玛峰」——一套专为测试模型极限推理力而设计的研究级题库。

那时，还没有任何模型能在其中站稳脚。

到了9月，他们更新评分机制，引入「重试机制」——让AI能在推理失败后自我修正。

一切都像是在为10月的决战做准备。

就在陶哲轩还在和GPT-5 Pro「研究未解题」的前一天，谷歌Gemini 2.5 Deep Think刚刚创下纪录。

Epoch AI写道：

我们在FrontierMath上评估了Gemini 2.5 Deep Think。由于没有API，我们手动运行它。结果：新纪录！

陶哲轩在事后说，AI的表现让他想到早年的科研训练。

年轻时的他，也曾花大量时间在局部细节中打转——证明一行、修正一式、推理一页，直到最后发现：真正的问题，在逻辑之外。

AI让他重新体会了这种「思维的局部化」，也让他意识到：人类的优势，正是在那些AI还不懂的地方。

今天的GPT-5已能自洽地完成复杂的形式推理，但它仍缺乏「全局意识」——那种在面对模糊、不确定、甚至错误假设时的直觉。

陶哲轩称之为「human situational awareness（情境感知）」：

AI的聪明是线性的，人类的理解是拓扑的。

这句话后来被不少数学家转发。因为它揭示了一种新的分工边界：AI可以成为证明的发动机，而人类依然是结构的设计师。

它能把定理算完，却算不出「意义」。或许这正是GPT-5真正的突破：

它逼着我们重新思考，AI的极限，正是人类的起点。

数学的意义，从来不只是得出答案，而是弄清楚——为什么答案还不存在。

参考资料：

https://x.com/EpochAIResearch/status/1976685685349441826?s=19

https://mathstodon.xyz/@tao/115351400633010670

https://mathoverflow.net/questions/425509/sphere-with-bounded-curvature。

https://mathstodon.xyz/deck/@tao/114501120421010793

本文来自微信公众号“新智元”，作者：新智元，编辑：倾倾 ，，36氪经授权发布。