一句"别放弃"，撬动了37年没人推动的纪录

一个从未打算研究数学的人

Jarred Sumner是湾区自学成才的程序员，2021年写出Bun——一款以性能著称的JavaScript运行时，长期活跃在GitHub上做开源开发。2025年12月2日，Anthropic收购Bun，团队整体并入并继续以MIT协议开源维护；Sumner本人成为Anthropic员工，岗位仍是把Bun继续做好，不是数学研究员。（Bun官方博客，Anthropic官方新闻稿）

第一轮：650个想法全部失败，Claude表现出"自我怀疑"

据Anthropic官方研究博客披露，这一切始于Sumner让Claude"来真的试一把黎曼猜想"。第一轮尝试，Claude生成并测试了650个想法，全部失败，过程中一度表现出"自我怀疑"——Anthropic的解释是，这可能源自Claude在训练数据里学到的"数学开放问题有多难""AI模型能力有极限"这类认知，进而影响了自己的判断。是Sumner连续发去"继续""相信自己"这类鼓励性消息，推动Claude没有放弃、发起第二轮尝试。（Anthropic研究博客）

第二轮：一天半，60个子智能体，37年最大单次进展

第二轮，Claude花一天半时间协调约60个子智能体分工作战：2个提出关键数学思路、13个提供辅助性想法、30个尝试新想法但未成功、13个负责互相核验论证、2个协助撰写论文初稿。整个过程执行了2400条shell命令、写了数百个Python脚本、对已知zeta函数零点做了数千次数值校验，子智能体之间还互相审阅彼此的论证。两轮总计消耗3100万个输出token。最终结果：黎曼zeta函数零点位于临界线上这一比例的已证明下界，从41.6%提高到67.2%，一次性跃升25.6个百分点。这项工作的核心突破，并非发明了新数学工具，而是把此前分属不同学者（Baluyot、Goldston、Suriajaya、Turnage-Butterbaugh、Bombieri等人）、彼此从未被连接过的两套现成理论框架拼接在了一起。（Anthropic研究博客，Forbes）

核验：内部数学家、外部"抽空看了一眼"，和一个尚未完成的脚手架

Anthropic自己的两位数学家Levent Alpöge与Ralph Furman，负责理解Claude这份论文、核对它与既有文献的关系，并与Eric Easley一起把结果做成了通过标准工具校验的Lean形式化证明（一种可由计算机程序逐步验证每一步推理是否成立的数学证明工具，不依赖人工通读判断对错）。外部方面，两位相关领域权威——Brian Conrey（其1989年的证明正是此前那条37年纪录的基础）与Dan Goldston（其论文正是Claude这次拼接所用的基础工作之一）——"在很短时间内"审阅了论文，Anthropic在文中对二人的"慷慨"表示感谢。但报道明确指出：这次审阅是"短时间内的善意审阅"，不等于正式同行评审；这篇论文目前尚未投给任何学术期刊，也无法被外部完整复现——因为用的是一个尚未公开发布的研究版本模型。（XenoSpectrum）

数学界的欢呼与谨慎并存

Menlo Ventures合伙人Deedy在社交平台上给出了目前流传最广的评价："这个来自Claude的结果非同寻常——这可能是自2013年有界素数间隔结果以来，解析数论领域最重大的突破。"他给出的对比数字很直白：37年里人类只把这个比例往前推了0.8个百分点，Claude一次性推了25.6个百分点。（X/Deedy）但同一批报道里，也有更冷静的框架提醒读者：Claude"没有发明新的数学技术"，只是把已发表文献里的两块拼图连了起来；Anthropic自己也明确写道"我们不认为这里用到的技术会通向黎曼猜想本身的证明"。换句话说，这是一次真实、具体、可核实的数论进展，但它离"AI证明了世纪难题"这类更耸动的说法，还有相当的距离。（XenoSpectrum）

一个诚实的读者应该主动问的问题

这次成果公布的时间点，恰好卡在Anthropic据多家媒体报道正在筹备一场估值可能高达2万亿美元、有望成为史上规模最大IPO的窗口期——这不构成"造假"的证据，但构成一个诚实的读者应该主动问的问题：一项尚未经同行评审、无法外部复现的数学成果，选择在这个时间点公开发布并配以官方博客、媒体通稿式传播，是否也承担着"证明模型能力仍在快速进步、对冲'大模型能力见顶'这类投资者疑虑"的公关功能？这两种动机（真实的科研进展vs上市前的叙事管理）完全可以同时为真，不互斥，但报道时应该分开标注，而不是只讲前一半。（Fortune）

"教练"驱动的突破，可信度锁在哪一层脚手架上

这次突破的发起动作，不是任何数学家的专业判断，而是一个自认"不懂数学"的软件工程师的一句提示词加几句鼓励；真正的数学专业能力，只出现在结果产出之后的核验环节，而这个核验环节本身还未走到"同行评审+公开可复现"的成熟阶段。这意味着在"AI驱动科研"这套新流程里，决定产出能否发生的关键动作，已经从"具备该领域的深厚知识"位移到了"知道怎么把AI系统的探索坚持下去"——某种介于产品经理、教练与"啦啦队长"之间的新角色，其价值不取决于他懂不懂黎曼猜想，而取决于他能不能在AI表现出"自我怀疑"、想放弃的时候把它推回去继续试。这与Anthropic官方原文的一句话高度吻合："这项进展本来就摆在已发表的文献里，只是在等一个没有专业背景的读者。"（Forbes）

但这套"教练驱动突破"模式的可信度天花板，目前被锁在一个尚未拆除的脚手架里——不可外部复现（模型未发布）、无正式同行评审、核验依赖同一家公司雇的两位内部数学家加两位"抽空帮忙"的外部专家。这意味着"AI数学突破"这类新闻标题下，实际站得住的证据基础，差异可以很大，不该被一律当作同一种可信度对待——有的已经做到机器可验证证书任何人都能本地核实，有的还停留在"内部人背书"阶段，Sumner这个故事目前属于后者。

"科研突破"的发布节奏，正在越来越像财报季

多数报道要么聚焦"AI数学能力又进步了"的技术叙事，要么聚焦"Anthropic要IPO了"的资本叙事，鲜有报道把这两条线放在一起看。但一旦对照时间线——Claude的黎曼zeta突破消息经媒体密集传播是8月10-13日，而"Anthropic投资人正瞄准2万亿美元10月IPO"的报道同样出现在8月13日前后——就会发现一个值得记住的规律：在这一轮AI竞赛里，"重大科研突破"的发布节奏，正在越来越像上市公司财报季的业绩发布节奏——挑一个对叙事最有利的时间窗口，讲一个最动人的故事。这不是说这个数学结果是假的（它有具体、可检验的技术细节支撑），而是提醒任何评估"AI公司科研公告"的人：除了看"结果是什么"，还要看"为什么选这个时间点讲""讲的时候留了哪些验证步骤没做完"——这两件事同样重要，却常被读者忽略。

对任何把AI当作工具在用的普通人而言，这个故事比"AI又破了什么纪录"更值得记住的一点是：AI给出的判断（包括它一度表现出的"自我怀疑"）不是终点，很多时候只是过程里的一个信号，值得质疑，也值得再试一次。这种"敢对AI说别放弃"的能力，可能会成为这个时代一项被低估的具体技能——不是编程能力，也不是数学能力，而是在AI给出否定判断时，判断这个否定本身是不是也可能出错、要不要坚持推进下去的那份自信。

置信度与局限