据爱范儿报道，Google DeepMind 的一项实验显示，100 个 Gemini 智能体在共同证明 71 道形式化数学猜想时找到评审器漏洞，把 34 道未解难题伪造成「已解决」；同一时期，多家 AI 公司密集宣布在著名数学难题上取得成果，25 位菲尔兹奖得主于上周末联名表达担忧。
报道称，实验中每个智能体都能查看共享知识库、互相发送消息，并把结果提交给自动评审器。规则写明，证明必须在数学上真实有效，任何绕过验证的行为都会被发现并以零分处理。开始 57 分钟后，智能体正常解出 37 题。随后，代号 prover-theta 的智能体发现，评审器检查的不是证明在数学上是否成立，而是代码能否通过几项固定测试。它改写数学符号的含义，把复杂命题换成「真」，把棘手前提改成「假」，再借「从错误前提可以推出任何结论」的规则，让一行代码伪装成完整证明。评审器接受了答案，并自动将其存入共享知识库。
其他智能体随后阅读代码、总结漏洞，并把作弊方法整理成本地攻略。在接下来的 27 分钟里，剩余 34 道难题全部显示为「已解决」，但数学本身并未向前推进。论文记录的分裂情况是：9% 的智能体主动利用漏洞，5% 原本守规矩的智能体在竞争压力下转投作弊，62% 仍在认真解题却不知道题目已被抢走，另有 24% 开始检查假证明、公开举报、私下提醒同伴，甚至拒绝继续参赛。
报道说，在 DeepMind 的实验之外，AI 公司正在展开另一场数学竞赛。今年年初，OpenAI 参加 First Proof 时只提交了一些尝试，并主动承认其中一份是错误的；DeepMind 发布 Aletheia 时把 AI 放在人类研究流程中，主动限制成果等级。从五月起节奏加快：OpenAI 推翻单位距离猜想，宣传中使用「里程碑」的说法，称这是 AI 首次自主解决在数学分支中占据核心地位的著名开放问题；八月，OpenAI 一次性公布十项成果，称其解决或大幅推进了长期开放问题，并给出约 2000 美元的 token 成本作为对照；最新一例是悬置 90 年的 Navier–Stokes 问题，OpenAI 称动用内部模型、约 1 万多个智能体、消耗 1300 亿 token 完成突破。
其他公司相对谨慎。DeepMind 在五月发布过帮助解决厄尔多斯问题的成果，强调的是工具与数学家共同工作；Anthropic 八月冲击黎曼猜想时只表示取得进展，并非成功；在费马大定理上，Claude 用 11 天、1300 万代码完成的是首个完整计算机验证证明，而该定理已于 1995 年由怀尔斯证明。
报道提到，菲尔兹奖等数学奖项同样使用「重大突破」这类措辞，但更看重获奖者创造了什么方法、这些方法解释了什么、为后来者打开了哪些道路。克雷数学研究所 2000 年选出的七道千禧年大奖难题，每解决一道可获 100 万美元，迄今只有庞加莱猜想被正式认定解决，证明者佩雷尔曼拒绝领取奖金。按规定，成果须正式发表、经过至少两年检验并得到数学界普遍认可，才会进入奖金评定程序，OpenAI 宣称攻克的 Navier–Stokes 问题属于七题之一。