一场乏味的世界杯决赛，以及一道来自1939年的数学幽灵
2026年7月19日深夜，世界杯决赛在沉闷乏味的氛围中打响。Anthropic研究员、哈佛大学青年研究员莱文特·阿尔珀格一边看球，一边和好友、芝加哥大学数学教授阿基尔·马修闲聊。不知是谁先提起代数几何里那个被称作"灾难"的雅可比猜想——这道世纪难题绊倒过无数顶尖数学家，华裔天才数学家张益唐也因它耗尽整个博士阶段，最终不得不转向解析数论方向。
或许是球赛实在太过无聊，阿尔珀格随手把这个问题抛给了手边的Claude Fable 5。
几个小时之后，Fable 5给出的结果，让整个数学界头皮发麻。
一个仅216字符的反例，三行公式，一个从三维复空间映射到三维复空间的多项式映射。
雅可比猜想，由德国数学家奥特·海因里希·凯勒于1939年正式提出，1998年被菲尔兹奖得主斯蒂芬·斯梅尔收入《18个21世纪数学难题》，如今，它可能已被证伪。
💡 需要客观说明的是：阿尔珀格在X平台以推文形式公布该反例，并未同步发布arXiv预印本论文。截至发稿，该反例已通过Wolfram Alpha、SymPy等工具的公开计算验证——雅可比行列式是否恒为-2、三个不同点是否确实映射到同一点，两项核心验证均获独立复现。但是否最终改写教科书，仍需数学界在正式同行评审框架下确认。
雅可比猜想究竟在问什么？
想象一张橡胶薄膜。局部来看，如果薄膜每一小块既没有撕裂，也没有被压扁，人们自然会发问：整张薄膜会不会在别处发生折叠，让两个不同的位置发生重叠？
数学中的情形与之类似。对于多元多项式映射，如果它在每一处局部都满足"无折叠"条件，也就是雅可比行列式恒等于同一个非零常数，那么该映射整体是否一定是一一对应的？它的逆映射是否依然是多项式？
这就是雅可比猜想。表述只有寥寥数句，证明却无比艰难，被很多数学研究者戏称为"民科坟场"。一维情形早已得证成立；二维至今悬而未决；三维及更高维同样没有答案。该猜想要求对全部维度都成立，因此只要找到任意一个维度下的反例，整个猜想就会被推翻。
而Fable 5找到的，正是这样一个普适维度下的反例。
它构造了一个三元多项式映射，直接计算可以得到，该映射的雅可比行列式恒等于-2，一个非零常数，完全满足雅可比猜想的前提条件。然而代入三个互不相同的点，却会得到同一个输出点。多个不同输入对应同一个输出，映射不具备单射性质。雅可比猜想在三维情形不成立。由于可在三维反例后增加若干保持不变的坐标，直接构造出任意更高维的反例——这意味着该猜想在所有三维及以上维数下均不成立，二维情形仍然是开放问题。
阿尔珀格第一反应是手动验算。他激动得几乎喘不过气："这可是雅可比猜想啊！"随后他想到用Wolfram Alpha再次验算。Wolfram Alpha重新运算一遍：AI的结果是对的。
他在X上发了一条十分随意的推文，甚至没有区分大小写："大家好，雅可比猜想错了。感谢我的朋友阿基尔提起这个问题，也感谢另一位'朋友'Fable，在世界杯决赛期间加班干活。"
这条推文引起菲尔兹奖得主蒂莫西·高尔斯的关注。高尔斯评价："倘若属实，这是我第一次看到大语言模型解决一个我虽不在其研究领域，但久闻大名的重大数学难题。"伦敦玛丽女王大学的阿布舍克·萨哈称，已有大量数学家独立完成核验——因为这个反例"足够简单，很容易复现"。MathOverflow迅速开启相关讨论，研究者借助Wolfram Alpha、SymPy等工具独立演算。
这或许是人类历史上获得学界认可速度最快的重大数学结论。不需要数年的审稿评估；只要拿到反例，寥寥几行代码，数秒之内就能完成正确性核验。
争议：是"拆危楼"还是"盖新房"？
当然，争议随之而来。
哥伦比亚大学数学家安德鲁·布隆伯格的观点，代表一部分学者的冷静判断："这件事并没有改变我对AI能力的认知。这恰恰就是我预料中AI可以做到的事。"他打了一个尖锐比方：假如摩西走下西奈山，手里石板只写着"癌症可以被治愈"，你会作何感想？你想要的绝不只是一个答案，你还希望从中获得洞见。这个反例本质上没有带给我们新的理解。只不过，存在大量多项式，人类很难穷尽全部校验，对机器而言却不算难事。
这种批评有其道理，但或许忽略了一个事实：雅可比猜想被列入斯梅尔18道难题，并非因为答案本身有多大实用价值，而是因为解决它，就意味着人类对多项式映射的理解将跃升到全新层次。布隆伯格本人也提到，斯梅尔之所以认为该问题重要，正是相信"一旦解开，我们将更深地理解自然的内在结构"。
Fable 5只给出反例，没有给出完整论证。它告诉世界猜想是错的，却没有解释为什么错。这确实不是传统意义上的"理解"。
但还有一点值得深思。
IBM的奥利维娅·布泽克指出，许多长期悬而未决的难题，并不依靠灵光一闪，而是需要在规模极其庞大的可能性空间中做遍历探索。不是人类完全解不开雅可比猜想，只是模型完成了数量远超人类的尝试。
这恰恰揭示AI在数学领域独有的价值：它不是用来取代人类数学家的洞见，而是拓展人类的探索边界。IBM的卡乌阿尔·埃尔-马格拉维说得更加直白："数学家独自对着黑板苦思三年的时代正式落幕。数学正在变成一项'机器辅助的团队运动'。"
不过IBM的安比·加内桑也泼了一盆冷水：最优秀的AI成果，都出自那些擅长引导智能体与模型的人。 阿尔珀格能够成功，不只是因为Fable 5足够强大，更在于他知道该提出什么问题、该如何提出问题。正如他所说，是好友阿基尔最先把这个问题交给模型。
Fable 5做到了87年间无人做到的事，但这份成果诞生于一位懂得把难题交付给它的研究者手中。
范式重构：当"提问"成为最稀缺的能力
雅可比猜想被证伪，并不代表"数学家即将失业"，而是标志数学研究范式的根本性重构。
AI不会代替人类理解数学，但它可以代替人类，遍历那些"庞大到人力不可能穷尽"的可能性角落。当机器筛选出有价值的结果之后，再由人类数学家判断，它是否值得写进教科书。
埃尔-马格拉维说得很到位：真正的压力，会落在那些拒绝使用这类工具的数学家身上。
这条规律不只适用于数学界。当头部大模型能力快速平权、AI推理成本持续下探，稳定、低成本、多模型可切换的接入服务，已经成为企业智能化转型的新基础设施。
在这方面，UseAIAPI提供了值得关注的一站式解决方案：平台一站式聚合Gemini（含3.6 Flash、3.5 Flash、3.1 Pro等最新模型）、Claude、ChatGPT、DeepSeek等全球主流大模型的最新版本，开发者无需分别对接各家接口，通过一个统一入口即可灵活调用；面向企业用户，UseAIAPI支持企业级定制化部署服务，可结合Batch API机制叠加优惠，将长上下文、高并发、持续运行的智能体工作流的单位成本进一步下压。
在价格层面，平台优惠折扣最低可达官方定价的50%。以Gemini主力模型为例，通过UseAIAPI接入后的实际成本为：
Gemini 3.6 Flash：从官方价 1.5/7.5 美元降至 0.75/3.75 美元每百万Token
Gemini 3.5 Flash：从官方价 1.5/9 美元降至 0.75/4.5 美元每百万Token
Gemini 3.1 Pro（200K以内）：从官方价 2/12 美元降至 1/6 美元每百万Token
Gemini 3.1 Pro（200K以上）：从官方价 4/18 美元降至 2/9 美元每百万Token
以Claude系列为例，通过UseAIAPI接入后，原本Opus 4.8的5/25美元单价、Sonnet 5的2/10美元促销价，都将在官方价基础上进一步下探。这意味着高强度内容生成、自动化智能体、大规模代码重构等重消耗场景，不再成为预算负担，真正实现"无忧接入、按需扩展"。
💡 216字符的反例推翻了87年的雅可比猜想；而对企业与开发者而言，选对接入通道、锁定可持续的算力成本，往往比追逐单个模型的"首发"更为重要。当"提出正确问题"成为AI时代最稀缺的能力，让AI能力以合理的成本、灵活的方式为团队所用，就是释放这种稀缺能力的前提。
一场乏味的世界杯决赛，一段216字符的公式，一个87年猜想的落幕。Fable 5用几个小时完成的事，人类数学家用了87年没能做到——但这份成果诞生于"懂得提问的人"与"懂得计算的机器"的协同之中。
数学研究如此，企业智能化转型亦如此。AI不会代替人类思考，但它可以代替人类，遍历那些"庞大到人力不可能穷尽"的可能性角落。而让这种遍历以合理的成本、灵活的方式发生，正是UseAIAPI这类统一接入平台在AI时代存在的核心价值。