722 份手稿，文件里写着未复核

10 月 7 日 05:58（北京时间），一个署名 Anonymous 的提交，把 722 份数学手稿推进了 GitHub 上的 openai/math1。仓库建于 05:47，提交落在 05:58，全库只有这一个提交；到本轮观测时是 3,099 颗星、270 个 fork、0 个 issue2。

官方在自家开发者社区先发了一遍同文，时间是 10 月 7 日 06:47，比 NYT 早一小时3。

把仓库拉下来自己数一遍，每个数都能对上：顶层 8 个条目，preprints/ 下 722 个稿件目录，CONTENTS.md 里指向稿件的链接去重后同样 722 条；编号从 001 排到 377，中间缺 045、061、070、123、163 五个号，所以官方口径的结果族是 372。lean/ 下 122,812 个文件，其中 ComparatorChallenges/ 是 405 个 .json 配 405 个 .lean，每份都可以在本机跑一遍；reasoning_traces/ 里是 10 份推理摘要。README 自己写的是 722 份手稿、372 个结果族4。

NYT 用的数字是 377，Gizmodo 跟着写 377，Scientific American 写的是 37256。377 是编号上界，不是族数。两个数都能在仓库里复算出来，写法不同而已。

仓库里最接近「复核状态」的一行，在 lean/formalization.yaml 里：review: 下面写 status: unchecked，automation: 下面写 method: agent7。同一份 README 写的是「许多手稿已经形式化，但不是全部」，并且加了一句「没有形式化的结果里，有些可能有问题」。

仓库同时关掉了 issue 入口。has_issues 为 false、open_issues_count 为 0，意味着没有一个地方可以登记「这一条我看过了」或者「这一条不对」。README 里唯一一处提到人工介入的地方，是关于 Riemann zeta 函数非零区域那一篇：为了可读性做过人工编辑，与数学内容无关。

换句话说，这份产物把每一篇稿件的编号、引文格式、Lean 声明、检验配置都安排好了，唯独没有安排谁来验。

9 月 11 日，28 位菲尔兹奖得主联署《A Severe Misalignment of AI in Mathematics》，核心句是：AI 公司把解数学问题当 benchmark 的推力，与数学这门学科的目标严重错位8。

9 月 29 日，OpenAI 自己出资托管、托管机构是高等研究院的数学与人工智能顾问组（AGMAI），给出第一份公开建议。里面可以逐条核对的要求有三条：停止在私有模型上测未解问题；对每一条发布的结果公开模型名、prompt、推理链、用时与算力；结果应当形式化，并附社区标准的检验文件与 formalization.yaml9。

10 月 1 日，Kevin Buzzard 在博客里写下相反的一句：「我个人呼吁 OpenAI 干脆把他们的定理集全部倒给世界，让我们看看他们到底宣称做了什么。」他的理由是：现在人类可能正在花时间证明已经被科技公司证过的定理，这些人有权知道什么已经知道了10。

10 月 6 日这一次发布，满足了后一份要求：一次性、当天可读、722 份全在公开仓库里。前一份里有两条可以当场核对，而它们没有满足——用的仍是未发布的内部模型，官方正文只写 internal frontier model，从不写型号；公开了平均算力与 10 份推理摘要，模型名、prompt、逐条算力都没有11。第三条它做到了：405 份检验配置和一个带 schema 的目录都在仓库里。

Scientific American 的报道里，OpenAI 发言人转述了一句关键的生成方式：几乎所有结果，都是把一个问题交给单个 agent 得到的（有些可能试了多次）。MIT 的 Andrew Sutherland 对这条说法的回应是：在模型放出、并且有人能复现之前，应当把「一次一个 agent 解决」这类主张按未核实算6。

第一个动手复核的人，用的是另一个 AI。开源仓库 davegoldblatt/openai-zeta-proof-check 把准黎曼猜想那一条跑了通：Lean 默认内核接受，第二轮换成独立内核也接受，#print axioms 输出的是三条标准公理。报告自己列了三条限度：一个人在一台机器上跑了两个内核，还没有人从干净克隆里独立复现；检验假设 OpenAI 的仓库不是对抗性的，构建配置与 23 个补丁都由仓库方提供；这只覆盖 Lean 证明，不覆盖论文。报告结尾写明，这次执行由 Claude Code 在仓库所有者机器上完成12。

同一天，数学家 Frank Calegari 做了一件更有意思的事：他在发布前先出了一份十道题的卷子并公开，然后拿发布结果对卷，更新里写下了那个分数——「一方面只有 5/100，另一方面仍然是 OMFG Jaw-droppingly amazing」。他同时点明，他拿到的分数来自 quasi-Riemann hypothesis（复平面 Re(s) > 7/8），不是黎曼猜想本身13。这是这次发布里最值得记住的一个细节：命名口径差一个词，问题的难度差一个层级。

官方帖下面，有人在发布后 37 分钟点名了一条具体结果：L = BPL 需要尽快复核，因为这条会推出 P = BPP。在这一批回复里，官方没有回答。有人追问「这是不是上次千禧年问题那篇里说的同一个内部模型」，同样没有回答14。

一，读 formalization.yaml 里的 review 一栏。那是这份出版物里唯一一处官方书面写下的复核状态。

二，跑 ComparatorChallenges/ 里的检验。它是可执行的；第三方的复算报告还指出，这批配置默认把第二个内核关掉了，打开它会让检验更强。

三，分清 quasi-Riemann 与 Riemann。仓库结果族 003 的标题是 quasi-Riemann hypothesis，结论是 Dirichlet L 函数在 Re(s) > 7/8 上没有零点。032 是 CM 阿贝尔簇与 K3 曲面乘积上的有理 Hodge 猜想。

四，自己数一遍。722 与 372 都能从仓库里数出来；媒体在用的 377 是编号上界。

WSJ 的那篇报道（《AI Solved One Math Problem and Everyone Freaked Out》）在本轮六种取文方式下都打不开，只有搜索片段，因此本文没有引用它。Lean Zulip 与 MathOverflow 上关于这次发布的专门讨论，本轮零命中——这不等于没有讨论，只等于这两个公开入口检索不到。陶哲轩关于「Math 1.0 与 Math 2.0」的四条帖子发在 10 月 7 日 02:00（北京时间），早于这次发布，属于事前的判断，不能当作发布后的反应来引。