当AI不再只提供标准答案
2024年，AI拿下国际数学奥林匹克竞赛金牌。彼时衡量它智能水平的标尺，是求解高中数学难题。那是一个拥有标准答案的世界：题目已知、解法路径有据可循、结果能够核验。AI所要做的，就是在既定框架内找到最优求解路径。
2026年8月10日，Anthropic让一版尚未对外发布的研究型Claude，踏上另一段征程：认真尝试证明黎曼猜想。这项猜想于1859年由波恩哈德·黎曼提出，167年间无人攻克，克雷数学研究所为它悬赏100万美元。这里没有标准答案，没有成熟可行的推导路线，人类甚至说不清完整的突破口该从何处找寻。
Claude最终没能证明黎曼猜想。但在探索的过程中，它完成了一件更值得被铭记的事。
从41.6%到67.2%，这不是简单的进度条推进
首先厘清这组数字的含义。黎曼ζ函数的非平凡零点与素数分布紧密相关。黎曼猜想提出：所有非平凡零点全部落在复平面的临界线 Re(s)=1/2 上。既然无法直接证明"全部零点"满足条件，数学家选择退而求其次：至少能够证明多大比例的零点处于这条临界线上？ 这个经过严格证明的比例，便是学界所说的"下界"。
回望人类推进这一下界的漫漫征途：
1914年，哈代证明临界线上存在无穷多个非平凡零点；
1942年，塞尔伯格证明存在一个正占比；
1974年，莱文森将下界推进至三分之一；
1989年，康雷把比例提升至五分之二以上；
2020年，这一数值长期停滞在5/12，约41.66%。
在此之后的37年里，人类数学家仅仅向前推进了0.8个百分点。
而Claude此次论文的核心结论：它无条件证明，至少三分之二的零点位于临界线上。更加精确的优化常数为0.6725，也就是67.25%。
Anthropic在论文中特意强调一句话：该结果无法对黎曼猜想本身成立与否给出任何方向性判断。67.25%不代表"证明进度完成67.25%"，也不意味着距离最终证明只剩下32.8%。它仅仅说明一件事：我们能够确定至少有这么多零点落在临界线上；至于剩下的零点，Claude没有做出任何推断。这也意味着，从67.25%到100%的距离，需要的是数学方法论的全新突破，而非同一路径的简单延伸。
650次失败，60个智能体协同作战
真正值得关注的，是这项成果诞生的全过程。
整个实验的缘起听起来近乎天马行空：Anthropic员工贾里德·萨姆纳晨跑时萌生一个想法，向Claude下达任务：尝试证明黎曼猜想。萨姆纳本身并非职业数学家，他把全部数学思路的选择权完全交给模型。
Claude的第一轮尝试毫无悬念：先后构思650条研究思路，全部宣告失败。萨姆纳没有终止实验，只是不断提示模型"继续探索"、"坚持推演"。进入第二轮，Claude在Claude Code环境中调度起大约60个子智能体，持续运行一天半，执行2400条终端指令，编写数百份Python脚本，对已知ζ零点进行数千次数值检验。两轮实验累计消耗3100万输出词元。
最终，仅有两个智能体推导出关键思路。其余58个智能体承担着不同分工：
💡 据Anthropic披露的脚注，60个子智能体的角色分工高度接近一支科研团队——2个负责发展关键数学思路，13个为它们提供思路，30个尝试发展新方向但没有成功，13个作为验证者检查论证正确性，最后2个帮助撰写初稿。
这60个子智能体并非简单并行。在找到结果之后，Claude让不同子智能体重新审查证明、主动寻找反例，从arXiv下载54篇学术论文，核对相关结论是否早已被前人完成，并尝试从头独立重证；随后，它主动提出将结果写成论文，并建议找人类数论专家验证。
它重新串联起散落在文献中的知识
Claude并没有创造全新的数学工具。它完成了一件更为精妙的工作：在浩如烟海的已有学术成果里，找到一条被人们遗忘的关联推导路径。
从技术层面来说，它融合了1973年蒙哥马利提出的研究方法——这套技术原本需要预先假设黎曼猜想成立才能使用；同时结合巴卢约特、戈德斯通、苏里亚贾亚、特内奇-巴特勒等人近年的研究（他们成功去掉了该方法的前置假设），再融入邦比耶2000年发表的论文结论。
在函数空间层面，Claude构造出由韦尔诱导二次型定义的空间；落在临界线上的零点构成正定子空间，临界线以外的零点构成负定子空间。过去主流研究思路习惯于将正定、负定部分拆分处理，而Claude选择把二者视作统一整体，同时允许二次型采用非对角形式；随后依托一阶、二阶矩信息，推导出关于二次型秩的不等式。
这套一体化思路，突破了传统莱文森方法长期遭遇的瓶颈。
Anthropic内部数学家莱文特·阿尔珀厄格、拉尔夫·弗曼完成论文初步核验；外部数论专家布莱恩·康雷、丹·戈德斯通审阅全部推导结果。Claude同时生成一份可以通过Lean系统完成形式化校验的完整证明文本。Anthropic也明确指出：不指望Claude所用的技术能最终证明黎曼猜想，但这项工作再次展示了AI模型数学能力进步的速度。
AI正在从"解题工具"转向"独立开展研究"
结合2026年夏天一系列事件，这件事背后的趋势将更加清晰。
5月，OpenAI公布由AI生成的埃尔德什单位距离猜想证明，菲尔兹奖得主蒂莫西·高尔斯评价其为"AI独立产出最具价值的数学成果"；
7月，新晋菲尔兹奖得主雅各布·齐默曼在颁奖典礼上宣布加入OpenAI；同月，任职于Anthropic的数学家莱文特·阿尔珀厄格借助Claude，找到了雅可比猜想的一组反例；
8月，OpenAI宣布，向十万名科学家与数学家免费开放旗下最强ChatGPT模型。
一系列事件彼此呼应，传递同一个信号：AI正在从"解决既定问题的工具"，转变为科学发现的参与者。过去，AI只是高效计算器，负责运算、检索文献。如今Claude能够调度60个智能体连续协作数十小时，自主定位研究难点、验证推导结论、撰写学术论文，甚至主动邀请人类专家开展同行评审。
Anthropic首席执行官达里奥·阿莫迪给出判断："不要仅仅把AI视作数据分析工具，应当将其看作一套智能体系统，可以端到端完成科学家的整套研究工作。"
回到最初的命题
Claude没能证明黎曼猜想，甚至没有从根本上动摇这条猜想的根基。但当它试图撼动这座矗立167年、无人能够撬动的理论大厦时，它证明了一件至关重要的事：面对答案未知、路径不明、研究空间完全开放的难题，AI有能力产出前人从未得到的全新结论。
人类耗费37年，只推进0.8个百分点；Claude只用短短数日，实现25.6个百分点的跨越。二者的差距，并不单纯来自算力——倘若仅比拼算力，超级计算机早已率先取得突破。真正的鸿沟，是研究范式的转变：从"人类主导数学研究、AI辅助运算"，迈向"AI自主开展推演、人类负责核验结论"。
2024年，我们的问题是：AI能不能解出题目。
2026年，我们的问题变成：AI能不能实现科学发现。
黎曼猜想依旧悬而未决。但Claude推开的那扇侧门——将整个函数空间视作统一整体、引入非对角二次型的研究思路，才是这次突破真正值得铭记的遗产。
📌 值得关注的是，这次实验本身消耗了3100万输出词元、调动60个子智能体连续运转一天半——这类高强度、长周期、多智能体并行的研究工作流，正是当下AI能力落地的一个缩影。无论是前沿数学探索，还是企业级内容生成、代码重构、大规模文档处理，背后都需要稳定、合规、可负担的模型接入能力作为支撑。
在这方面，UseAIAPI提供了一条清晰的路径：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，无需为每个大模型分别注册海外账号、配置支付方式，一套API Key即可打通全球主流模型。
更为实在的是其成本优势——平台优惠折扣最低可达官方价格的50%，让高频次接口调用、高强度内容生成的重度使用需求，也无需为高昂的成本消耗而顾虑。对于企业用户，UseAIAPI还支持企业级定制化部署，可根据业务需求灵活配置并发、配额与路由策略，结合Batch机制与缓存机制，将长上下文、高并发、持续运行的智能体工作流的单位成本压到更低。平台通过海外合规节点接入官方API，提供企业级SLA保障，规避地区可用性门槛与数据中心IP风控风险。
650次失败，是试错的方法论；
60个协同智能体，是新型科研组织形态；
3100万词元，是探索未知投入的研发成本；
而67.25%，是时代的信号：AI正式踏入一个不存在标准答案的世界。
当AI真正走入研究范式，一套"无忧接入、按需扩展"的模型接入基础设施，与模型能力本身同样重要——这恰恰是UseAIAPI所致力于解决的问题。