以前听大模型吹能力，比的是刷榜跑分；这次奥特曼在 Dreamforce 算账，直接把 GPT-5.5 到后 Astra 换算成了普通教授到顶尖学者的代差。

他在对话里排得极其具象：5.5 相当于普通数学教授，5.6 是前百分之二的顶尖学者，Astra 再高半档，而内部研发中的后 Astra，目标是做到世界上最优秀数学家都做不到的事。

大模型行业终于厌倦了在已知题库上卷小数点，真正值钱的座标体系，正在从刷分变成推演深度的硬碰硬。

跑分早已被各种微调策略刷穿了，但数学不同。只要接上严密的形式化验证环境，机器每走一步都有编译器即时核验对错，这种强化学习环境成了大模型最干净的深潜跑道；人类学者耗费半年推导的一条分支，模型靠算力可以在成千上万个公理组合里飞速试错。

真正让我觉得有意思的是，以前是拿 AI 去适配人类的考试，现在变成拿顶尖人类智力当尺子，去量机器在形式科学里走出了多远。

但这里必须看清边界：能走出人类推不动的证明步骤，并不意味着模型懂得了数学的意义。

它能在规则分明的迷宫里用算力排雷，却无法凭空创造一套全新的数学审美，更不知道哪一个猜想对人类未来至关重要。

未来变得不值钱的，是在已知框架里靠人力堆砌的繁重验算；而变得更稀缺的，是知道把目光望向哪个全新命题的直觉。

工具可以把证明推向人类未曾抵达的盲区，但决定把手电筒照向哪座山峰的，依然是人类自己。 https://x.com/rohanpaul_ai/status/2100144714251198466/video/1