算法泰斗，被AI上了一课
"Shock! Shock!"
2026年2月28日，88岁的图灵奖得主唐纳德·克努特在斯坦福大学官网发布一篇论文，开篇便是这两个词。紧随其后他写道："我昨天得知，一个我研究了数周的问题，刚刚被Claude Opus 4.6——Anthropic三周前发布的混合推理模型——解决了！看来我迟早必须重新审视自己对'生成式AI'的看法。"
一位深耕算法著作五十载的学界泰斗，第一次被AI的成果深深震撼。这篇论文的名字，就叫《Claude's Cycles》（克劳德环）。
卡在《计算机程序设计艺术》中的难题
克努特正在为《计算机程序设计艺术》未来分册撰写有向哈密顿环相关章节。题目本身表述并不复杂：
设想一个m×m×m立方体网格，每个顶点连接三条有向边，分别指向三个方向的"下一个"顶点。整个图有m³个顶点、3m³条有向边。问题要求：找到三条哈密顿回路，每条回路长度为m³，恰好覆盖全部边，且不重不漏。
该问题的可行路径规模达到3^(m³)种。当m=3时，搜索空间规模便已膨胀至6²⁷级别，即便是现代超级计算机也无法完成暴力遍历。
克努特只求出m=3这一特例。他的友人菲利波·斯塔佩斯通过实验算出m取值4至16时的解，却始终找不到通用构造方案。通用公式的推导，停滞了数十年。
三十一轮推演，历时约一小时
斯塔佩斯把原题完整输入Claude Opus 4.6，并要求模型每次探索后必须更新进度文档，详尽记录思考逻辑、失败归因及下一步计划。
Claude没有采用暴力穷举。耗时约一小时，完成31轮系统性探索：
前14次尝试全部走入死胡同：简单线性函数、二次函数、深度优先暴力搜索等思路悉数失效。
第15轮：Claude引入"纤维分解"思路。依据 s=(i+j+k) mod m 对顶点分层，推导出所有弧只能够从Fₛ层指向Fₛ₊₁层，将三维路径问题简化为层间有序跳转问题。
第21轮：模型迎来关键突破。识别该有向图本质属于凯莱有向图，构思出一种"蛇形"构造方案（serpentine模式）。
第25轮：自主做出判断：模拟退火算法能够找到个别解，却无法推导出通用构造范式，主动转向纯数学推演路径。
第30轮：回头翻看之前那些弃用的模拟退火结果，从"失败品"里提取出一个隐藏规律——在每一层里面，选择走哪个方向这件事，不需要看所有三个坐标的组合，只看其中一个就够了。
第31轮：编写一段Python程序，形成一套适用于所有奇数m的通用构造算法。
斯塔佩斯完成核验：3至101之间所有奇数m，这套方案全部成立。
💡 这不是概率性的"猜对"，而是结构性的"构造出来"。Claude清晰展示了它如何从错误中学习、如何重新表述问题、如何利用凯莱图的群论性质进行推导——完整复现了人类数学家的探索路径。
比结果更重要的，是克努特本人的态度
克努特接连完成三项工作：
第一，将Claude给出的Python程序改写为C语言版本，核验m=3、5、7、9、11等取值全部正确。
第二，完成严谨的数学证明，并且推导出总共760种同类分解构造；Claude只找到了其中一种。
第三，也是最引人瞩目的一点，他在论文末尾写下一句话："为Claude脱帽致敬！（Hats off to Claude!）"
要知道三年前，唐纳德·克努特曾经给ChatGPT出了20道考题，亲眼见证AI不断编造错误结论。那时他对史蒂芬·沃尔夫拉姆坦言："这类工具显然不合我的研究习惯。"时隔三年，他在正式数学论文里创造术语"类克劳德构造（Claude-like constructions）"，并感慨："看来我迟早必须重新审视自己对'生成式AI'的看法。"
一位笔耕算法典籍五十年的大师，被一款问世仅三周的模型带来全新认知冲击。
这不是榜单冲分，成果正式载入学术文献
这件事和"AI在基准评测拿到高分"有着本质区别。
Claude并非在现成数据集上刷分。它解决的是一道克努特打算写入《计算机程序设计艺术》新章节的开放性问题。克努特不仅验证结果有效，还将整套过程正式收录进论文——《Claude's Cycles》因此成为生成式AI首次被正式、详细地记录并参与到严肃数学研究过程中的标志性事件。
Claude不只是输出一个黑盒答案，完整呈现出迭代试错、重构问题、借助群论性质持续推演的全过程。正如克努特评价：这早已不再是单纯的概率预测，标志着自动推演与创造性问题求解能力迎来跨越式发展。
目前Claude尚且无法处理m为偶数的情形。但值得补充的是，此事后续出现意味深长的延续——新加坡研究者后来用GPT-5.3-codex构造出了偶数情况的方案，程序验证了m=8到2000的所有偶数。Claude解奇数，GPT解偶数，两个AI各解半题，被克努特一同放在斯坦福官网上。这恰恰印证科研探索的真实样貌：AI捅破最关键的一层窗户纸，尚未解决的边界，正是人机协同继续前行的新起点。
2024年，人们探寻AI能否解决数学难题；
2025年，人们探寻AI能否做出原创发现；
2026年，算法鼻祖亲自在论文写下"Shock! Shock!"，将这套AI解法命名为类克劳德构造，并且致以脱帽致敬。
这条信号承载的分量，远超任何一份性能排行榜。
当"AI+数学研究"成为常态，模型接入便是底座
克努特与Claude合力完成的《Claude's Cycles》，折射出一个朴素的行业真相：当AI真正走入前沿科研，无论是数学推理、长链条论证，还是多智能体协同与形式化验证，背后都需要稳定、合规、可负担的模型接入能力作为支撑。
对于需要长期、大规模调用全球主流大模型的科研团队与企业而言，频繁遭遇地区可用性门槛、账号风控、跨境支付与多平台对接的摩擦，本身就是一个隐性成本。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。
平台提供极具竞争力的优惠权益，折扣可达官方价格的50%，显著降低了高频次接口调用、高强度内容生成的重度使用成本，让团队无需为高昂的消耗而顾虑。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。
📌 当AI从"解习题"迈向"开展学术研究"，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。
31次探索、760种构造、一个被载入学术史册的"Shock! Shock!"——这组数字背后，是AI科研范式迁移的第一个坐标。而真正决定科研团队能在这条新范式上走多远的，除了模型能力本身，还有让每一次调用都稳定、合规、可负担的接入底座。