OpenAI Astra仅花2000美元攻克十大数学难题：AI改写基础科研成本边界

8月2日凌晨，OpenAI披露下一代模型Astra，并公布其内部版本取得的10项数学与理论计算机科学新成果，涉及高维几何、编码理论、群论、算术电路复杂性、量子复杂性、格密码学和极值组合学等方向。这些问题均已开放至少10年，且核心结论长期没有进展，多数问题的研究历史更为悠久。

2000美元破解十年无解难题

此次公布的成果集中展示了Astra探索前沿科研问题的能力。OpenAI借助同一模型将论证整理成249页论文，另附一份62页的解题思路说明。按照GPT-5.6 Sol API费率计算，模型寻找这些解法所需的Token总成本约为2000美元（约合人民币13500元）。

这一数字在学术界引发震动。传统上，攻克一个顶级数学难题往往需要数学家耗费数年甚至数十年时间，对应的研究经费动辄数十万美元。而Astra仅以极低的算力成本就完成了10个长期未解难题的论证，标志着AI在基础科研领域的角色从辅助工具转变为核心推力。

Astra的能力边界

Astra是OpenAI继GPT-5.6系列之后的下一代模型，专为复杂推理和数学问题设计。与通用对话模型不同，Astra在数学符号推理、定理证明和理论推导方面展现出接近人类顶尖数学家的水平。OpenAI表示，Astra在设计上采用了全新的推理架构，能够在长时间推理链中保持逻辑一致性，避免中途出现幻觉或逻辑断裂。

不过，OpenAI也承认Astra目前仅覆盖特定学科领域，其推理过程仍需要人类专家进行验证和解读。学界对AI生成的数学证明能否被正式接受为同行评审级别的成果仍有争议，但不可否认的是，Astra的成果为数学家提供了大量新的研究线索和思路。

花2000美元算力就破解十年无解数学难题，OpenAI新模型彻底改写了AI助力基础科研的成本与能力边界，但学界论证核验、成果落地适配性仍需漫长周期验证。

AI科研的新范式

Astra的突破并非孤立事件。2026年以来，DeepMind的AlphaProof在国际数学奥林匹克竞赛中达到银牌水平，Anthropic的Claude在生物学假设生成方面展现出创造力，阿里Qwen在材料科学分子模拟中取得重要进展。AI正在从计算工具向科学发现引擎转变。

最值得关注的是成本曲线的陡降。Astra用2000美元完成的工作，如果由人类团队完成，可能需要数百万美元和数年时间。这种数量级的效率提升意味着，未来中小型实验室甚至个人研究者也可能借助AI在基础科学领域做出突破性贡献，科学研究的民主化正在加速。