花了两天翻完Astra那249页论文，说点不一样的

我花了两天试了一下，把OpenAI这篇Astra的249页论文从头翻到尾，又把数学家的指控帖和OpenAI的回应来回看了几遍。先说结论：这事值得关注，但跟网上吵的方向不太一样。

先给不混数学圈的朋友解释一下背景。Astra是OpenAI下一代模型，7月31号发了篇249页的论文，声称用大约2000美元的算力成本，在数学和理论计算机科学领域解决了十个长期未解问题，涉及高维几何、编码理论、群论、量子复杂性这些。十个问题里不少是厄尔多什这种大神留下的编号问题，比如第146号、第180号、第183号。

结果Scientific American那边报道，多名数学家跳出来说OpenAI没给已有研究成果应有的署名致谢，涉嫌学术不端。

我这边测下来，论文本身写得确实扎实，每个问题都给了具体构造和证明思路，还配了Lean形式化验证的代码。这点上OpenAI没偷懒。但翻到参考文献部分，确实有些地方处理得比较粗糙，有些关键的前人工作被一笔带过，甚至直接没提。有个研究同领域的数学家点名的几篇基础文献，我在论文里确实没找到对应引用。

这种事怎么说呢。学术圈里引用不规范挺常见，但Astra这个体量，这个宣传力度，出这种问题就有点尴尬了。尤其OpenAI自己在回应里说，理解数学家们对"莱顿人工智能与数学宣言"的疑虑，但又强调不能把完全由AI生成的证明归功于人类。这话听着有点偷换概念，因为指控的核心不是"归功于谁"，而是"用了别人的成果不打招呼"。

OpenAI的回应里还提到，人类的职责是协助准备手稿、做形式化验证，对最终结果负责。这个定位我觉得没问题，AI生成论证，人来验证把关，流程上说得通。但"负责"两个字，恰恰包括了引用规范这块。你用了前人的结果当跳板，哪怕论证是AI推的，该谢的还是要谢。

优点方面，Astra这次展示的能力确实惊人，尤其是在数学这种需要长链条推理的领域。成本控制也很亮眼，2000美元级别的算力就干出这种活，比我之前试过的几个模型效率高不少。我上周刚上手DeepSeek-V4-Flash那阵子，跑过类似的推理任务，token消耗完全不是一个量级。

缺点也很明显。开源透明性还是老问题，模型本身不开放，论文里的核心论证虽然给了Lean代码，但中间的生成过程完全黑箱。引用规范这块确实有待改进，数学这种学科，历史积累就是地基，不打招呼就踩上去，迟早出问题。

适合谁呢？关注AI科研能力上限的人，这篇论文值得细读。想靠这个学数学的，别指望，Astra的推理过程没公开，你能看到的是结果和验证代码。不适合谁？想拿这个当学术范本的，算了，先等等看OpenAI怎么回应质疑再说。

这事最大的意义可能不在数学本身，而在AI参与科研的规范问题。以前是人写论文引用不规范，现在AI写论文引用不规范，但背后是几百个数学家几千小时的劳动成果。算力民主化是好事，但成果归属的规则，得先立起来。