2026 年 10 月 3 日 · 每日 AI 热点观察 · 深度篇作者词元像素Meta AI 本周放出一个容易被忽略、但意义不小的成果他们和数学家一起用 Muse Spark 模型完成了六篇数学研究论文其中五篇回答了此前公开、悬而未决的研究问题。最值得注意的不是成绩本身而是工具——数学家们用的是 meta.ai 的普通聊天界面、开着 Thinking Mode没有任何定制的科研脚手架。我的判断AI 做科研的分界线正在移动。过去它能在竞赛题、高考、奥赛里拿金牌但那些都有标准答案这次是在没有标准答案、需要反复试错的开放问题上产出了能被同行审查的证明。距离AI 独立做科研还很远但AI 当数学家的合著者已经开始了。01 事件本末从竞赛金牌到开放问题时间线今年早些时候Meta 的模型在数学、物理、化学五项高中奥林匹克竞赛中拿到金牌级别成绩这给了团队一个追问——竞赛题再难也有标准答案AI 能不能帮科学家解决真正开放的问题过去几个月Meta AI 与数学家合作探索多个领域9 月底正式公布六篇合作论文。这六篇覆盖很广概率里的高斯球拟合严格阈值、微分方程里的质量临界双调和方程有限时间爆破、群论里半阿贝尔群不必是单项的、优化里完备长度三 Alpha 环的紧致性、算术物理里弦两点函数与曲线高度函数的关系以及非结合代数里对 Garcia-Martinez 和 Pérez-Rodriguez 一个猜想的讨论。其中五篇回答了此前公开的研究问题。02 数据拆解关键数字和没用到的工具先看硬成果六篇论文、五个此前公开问题被回答、横跨六个数学分支。再看一个容易被忽略的口径——模型用的是 Muse Spark 1.1 和 1.2入口是 meta.ai 的普通聊天界面加 Thinking Mode官方明确说没有使用定制的研究脚手架。这个没有脚手架很关键。它意味着不是给 AI 接了一套专门的科研工具链、数据库、验证器才出成果而是数学家像用 ChatGPT 一样跟它对话。当然要打折看这是 Meta 自己公布的成果论文质量和回答公开问题的含金量还需要数学界同行进一步检验官方也强调目标不是批量生产论文而是帮研究人员形成他人可理解、可继续发展的数学洞见。03 多方观点是真科研还是高级协作工具乐观方认为从奥赛金牌到开放问题这是 AI 科研能力的台阶式跨越用普通聊天界面就能做到说明工具门槛在快速降低未来更多数学、理论学科的研究者会有一个超级合著者。谨慎方则指出这些论文是数学家团队主导、AI 协作、另一组数学家审查的产物不能简单说成AI 解出了难题开放研究里真正难的选题、判断哪些方向值得做仍然由人完成。Meta 自己也定了规矩每个数学家团队指导研究另一组数学家审查每篇论文标明哪些段落人写、哪些 AI 写并致谢早期工作。这套规范本身就说明他们在刻意和AI 独立搞科研划清界限。04 产业影响科研协作的分工在重画对数学和理论研究者一个随时可对话、能展开长证明、能尝试错误方向的合著者可能改变做研究的节奏——把人从大量草稿计算和试错中解放出来更专注于选题和判断。对高校和实验室AI 合著者如何署名、如何界定贡献、如何避免错误证明混入文献会成为新的规范问题Meta 这次标注人写/AI 段落的做法可能成为参照。对 AI 行业这是继蛋白质结构、材料发现之后AI for Science 在纯理论领域的一次落地普通聊天界面深度思考就能产出可审查成果说明前沿模型的推理能力正在溢出到更窄众的专业场景。05 独立判断三个判断其一未来一年会有更多AI 作为合著者的数学/理论论文出现署名规范会是最先要解决的问题其二普通界面无脚手架这条比成果本身更值得记住——科研 AI 的护城河正在从专用工具转向通用模型的推理深度其三AI 短期内不会替代数学家但会像当年的 Latex、文献检索工具一样成为研究流程里默认的一环。06 对读者的意义对普通用户不用紧张AI 要抢科学家饭碗现在它更像一个反应极快、不知疲倦的助手对学生和研究者可以开始习惯把 AI 当成讨论和草稿的对象但关键判断和最终把关仍要自己做对行业观察者判断 AI for Science别只看演示要看它有没有进入真实的同行评审流程。六篇论文、五个公开问题、一个普通聊天窗口。AI 还没自己解出一道开放难题但它已经开始和数学家并肩写证明了——这一步比竞赛金牌更值得记住。极简速览① Baseten 实测用 LLM 自动生成的推理引擎 VibeQwen 比 vLLM 快最多 90%首 token 延迟从 28ms 降到 12ms② Cloudflare 开源决策模型 Clef 与 Clef-flash③ Meta 发布 Muse Gadgets 开源硬件计划及 Home Link 设备④ 英伟达发布 64GB 内存版 DGX Spark。