计算机科学有一块基石叫 ETH（Exponential Time Hypothesis，指数时间假设）。1999 年由 Russell Impagliazzo、Ramamohan Paturi 和 Pavel Pudlák 提出，它说的是：像 3-SAT 这样的问题，不存在显著快于穷举的算法，复杂度必然指数级增长。
过去 27 年，无数学者在这块基石上盖楼——P vs NP 的各种条件性结论、参数化复杂度的下界、密码学安全性的推理链条，很多都默认 ETH 成立。
现在两家前沿 AI 实验室都说：这块石头是假的。
发生了什么
10 月 27 日，OpenAI 公开发布了三个「重磅数学问题」的解答。其中一个直接指向 ETH 的证伪——也就是说，它给出了一个算法，让 3-SAT 这类问题的复杂度突破 ETH 允许的下界。
紧接着，Anthropic 的数学家 Levent Alpöge 提出质疑，认为 OpenAI 的解答建立在已有工作之上。而几小时之后，Anthropic 自己也发布了一份 ETH 的证伪证明。
两家死对头在同一个星期、用同一种方式，推翻了同一个理论基石。这个画面本身就足够魔幻。
学界的反应：兴奋和愤怒各占一半
这不是 AI 第一次「扔证明」。今年 10 月初 OpenAI 就干过一轮，MIT 教授 Ryan Williams 当时的评论现在是名言——他称之为「对数学家的 DDoS 攻击」：量太大、太快、没有上下文，学者根本来不及验证，整个学科的正常节奏被打乱了。
但这次的处理方式明显变了。OpenAI 按学科分别设计了发布流程：
- 数学界：直接扔到 GitHub，自生自灭。
- 计算机科学界：成立工作组，应学者要求公开证明，并由 OpenAI 出资办会议讨论。
- 物理学界：成立工作组，由他们决定这个结果怎么发布。
计算机科学这一组的关键人物就是 Ryan Williams 本人。他和 UC San Diego 的 Russell Impagliazzo、Ramamohan Paturi 一起受邀协助解读——后两位正是 1999 年提出 ETH 的人。他们做的第一件事是发了一封公开信，向学界征集反馈，并讨论「AI 参与数学工作应该遵循什么规范」。
让被推翻理论的原作者来主持验证流程，这个安排至少说明 OpenAI 学了教训。
「外星人一样的部分」
Ryan Williams 对这份证明的评价很值得逐字看。大意是：有些部分可以说是常规操作，但确实有两三处看起来像外星来的——而正是这几处让他觉得「哇」。
这句话点出了当前 AI 数学证明最核心的争议：人类读不懂的证明，算不算证明？
数学的验证机制建立在「同行能读懂每一步」之上。如果证明的中间步骤依赖人类无法直觉把握的构造，那么即使机器验算通过，学界的接受也会极其缓慢。这不是学术傲慢，而是这套体系对抗错误的方式——历史上被「证明」了几十年才发现有漏洞的定理不少。
而 ETH 被推翻的后果尤其大：它不是孤立定理，是几十上百个结论的前提。如果 ETH 倒了，那些「假设 ETH 成立」的下界结论全部要重新审视。这不是修一个洞，是拆一面墙。
为什么这件事对普通人有意义
听起来很学术，但影响链条其实很短：
三个冷思考
一、先别当成定论。目前的状态是「两份证伪证明已公开、学界成立工作组在验证」。验证周期可能是几个月到几年。在那之前，正确的表述是「受到严峻挑战」，不是「已被推翻」。
二、注意「撞车」的含义。OpenAI 和 Anthropic 在几小时内各自给出证伪，有两种解读：一是方向确实被 AI 打通了，找到路之后走起来很快；二是双方都在抢首发叙事，证明质量参差。两种可能同时存在。
三、这是科研流程的压力测试。公开信里那句「讨论 AI 贡献的规范」才是长期影响最大的部分。当 AI 每周能产出需要顶级专家花几个月验证的结果时，学术界的吞吐量就变成了瓶颈。这跟软件行业遇到 AI 生成代码时的处境一模一样——生成不是瓶颈，评审才是。
想从工程角度看这次事件里的两家主角？我们评测过 GPT-6.1 Terra 和 Claude Opus 5.5，价格、上下文和实际任务表现，比 benchmark 排名更能决定选型。
常见问题（FAQ）
ETH（指数时间假设）是什么？
ETH 是 1999 年提出的计算复杂性假设，核心主张是：像 3-SAT 这类 NP 完全问题，不存在显著快于穷举的算法，其复杂度必然以指数速度增长。它是很多「这个问题本质上很难」结论的前提，27 年来被大量论文当作公理使用。
ETH 真的被推翻了吗？
还没有定论。目前的状态是 OpenAI 和 Anthropic 各自公开了一份证伪证明，计算机科学界成立了由 MIT 教授 Ryan Williams 组织的工作组在验证，同时发出了面向全学术界的公开信。验证周期可能是几个月到几年。在那之前严谨的说法是「受到严峻挑战」。
这对加密安全有实际影响吗？
间接影响，但不代表「加密马上被破解」。很多加密方案的安全性论证依赖「某些计算问题足够难」的假设，ETH 若被推翻，一部分难度假设需要重新评估。但具体影响多大取决于新算法是否实际可行，这需要算法落地的工程验证，不是理论层面的即时结论。别因为这条新闻就去改生产环境的密钥长度。
总结
2026 年可能会被记为「AI 开始改写基础理论」的一年。三个数学难题、两个理论证伪、一个由原理论作者主持的验证工作组——这个组合说明了三件事：AI 的产出已经进入人类知识的最前沿；学界正在被迫建立新的验证机制；而「谁先发布」的竞争已经开始污染科研节奏。
对技术从业者的实际建议只有一条：关注验证结果，别关注发布新闻。证明被接受还是被推翻，才是真正改变教科书的事件。
想了解这些前沿模型的真实能力和价格？查看我们的 AI 模型库 与 工具对比引擎，或继续阅读：Gemini 4 Argon 深度评测 · Claude Opus 5.5 深度评测 · GPT-6.1 Terra 深度评测 · Meta Muse Wonder 深度评测。