OpenAI 证伪 ETH：67 页论文与 3 位学界的审查

一句话结论：OpenAI 在 2026 年 10 月 26 日公布，其模型已给出指数时间假设 ETH 的反证并在 Lean 中完成形式化验证，这个被引用了近 30 年的计算复杂度基石被推翻了，但 P vs NP 远未解决，密码学体系目前也没有被攻破的证据。

10 月 26 日，OpenAI 一次性公布三项横跨数学、计算机科学与物理学的成果，其中一项直接冲着理论计算机科学的基石去。官方博客给出的表述很直接：它的系统最近证明了 ETH 是假的，随后这份结果在 Lean 中得到验证。

这句话的分量，需要先理解 ETH 是什么才能掂出来。

ETH 是什么：一条被引用近 30 年的难度假设

指数时间假设 Exponential Time Hypothesis 由 Russell Impagliazzo、Ramamohan Paturi 和 Francis Zane 在 1999 年提出，针对的是布尔公式满足性问题 3-SAT 的计算复杂度。

用一个更直白的说法：数独的答案是好验证的，找到解法却可能要付出指数级的代价。ETH 断言，即便允许各种巧妙的捷径，这类问题所需的工作量也必须随变量规模指数增长。学界长期普遍相信它成立，数百篇论文拿它当前提，去推导图论、计算生物学、数据库、计算几何等领域的条件性计算难度结论。

这里最关键的一点是，ETH 与 P vs NP 的关系是单向的。ETH 成立可以推出 P 不等于 NP，ETH 被推翻却完全不等于 P 等于 NP。牛津大学的 Leslie Goldberg 在接受采访时把这话讲得很清楚，证伪 ETH 只是重新打开了「这类任务究竟还能提速多少」这扇门，并不直接推进了 P vs NP。

这也解释了为什么一次假设被证伪会引发教科书级别的震动。挪威卑尔根大学的 Fedor Fomin 说这是「完全的震惊，没人认识的人预料到」。Goldberg 则更直接：如果结论被确认，多个算法与复杂性理论领域的结论都要全面修订，他自己写的教科书会作废。

OpenAI 的三项成果：数学、计算机科学与物理学同时落地

这次发布的特别之处在于同时给出了三项成果，且每一项都挂上了一个独立审阅团队。以往的做法是把预印本直接扔进 GitHub，等着别人来挑错。

数学方向涉及调和分析。1991 年由 Christopher Sogge 提出的局部光滑猜想描述波在聚焦时的行为，它认为极端程度的聚焦只能短暂存在，任意随机时刻的聚焦量都远弱于最坏情形。这个猜想蕴含挂谷猜想与 Stein 限制猜想，是数学分析里被引用极广的地基。2019 年 Guth、王虹与张睿翔证明了二维版本，2025 年王虹与 Zahl 解决了三维挂谷猜想。OpenAI 称其模型给出了任意维度下局部光滑猜想的证明，10 月 18 日获得 AI 输出，次日完成 Lean 形式化，新证明基于一个全新的辅助偏微分方程。

计算机科学方向就是 ETH 那条线。官方给出的时间点是 10 月 16 日模型找到自然语言反证，10 月 17 日在 Lean 中完成形式化，两份材料都放在公开仓库。论文有 67 页，描述了一个确定性算法，能在亚指数时间内计数固定宽度布尔公式的满足赋值并使用多项式空间。

物理学方向是对四维规范场与费米子相互作用的量子场论给出了严格的存在性证明，涵盖量子色动力学 QCD 以及标准模型的一个统一完备方案。作为子问题，纯杨-米尔斯理论的存在性证明也被完成，这是克雷数学研究所千禧年难题量子杨-米尔斯理论问题的一部分。诺贝尔物理学奖得主 David Gross 领衔的团队负责审阅，成员包括 Michael Douglas、Arthur Jaffe、Igor Klebanov 与 Nikita Nekrasov。这个组选择暂不公开 AI 产出的材料，由自己撰写说明。

Lean 形式化验证能证明什么，不能证明什么

Lean 是用来机器检查数学证明的形式化语言。它做的事情是把证明写成可被程序逐步核验的语句，任何一个漏洞都会让检查失败。这是当前 AI 参与数学最硬的一道防线，因为模型可以写出看似合理的证明，但无法在形式化系统里伪造一个能通过的证明。

不过这次公开材料里，OpenAI 自己把边界划得很清楚。仓库文档明确区分了两件事：Lean 中被形式化的那个界，与论文手稿中一个更紧的界，二者并不相同。形式化的陈述是「在亚指数时间与多项式空间内计数固定宽度布尔公式的满足赋值」。

维也纳工业大学的 Stefan Szeider 在看过公开材料后认为，结果大概率能扛住学界的仔细审查，但他指出了真正需要人类来判断的那一步：形式化陈述是否准确表达了论文作者声称的含义。机器能检查证明过程是否成立，检查不了命题本身是否被翻译歪了。

这一步在历史上反复出现过问题，本站此前写过 Claude 形式化验证 123 个开源库，产出 1.8 亿行 Rocq 证明，那条路的结论同样落在这个区别上，形式化覆盖率是硬指标，但覆盖率本身不等于语义正确。

学界的三重质疑，与 Anthropic 的跟进

质疑集中在三个方向，每一个都有具体的人在做。

第一重是新颖性。Anthropic 的数学家 Levent Alpöge 在 OpenAI 发布后数小时内提出，OpenAI 的解答可能建立在既有工作之上。就在同一天，Anthropic 发布了自家的 ETH 反证论文《A 2^o(n) Time Algorithm for 3-SAT》，署名给内部研究模型 Claude 家族，仓库中同时给出 Lean 4 形式化，并明确写着这个结果是纯渐近的，不声称能在实际公式求值速度上带来改善。

第二重是认证边界。审阅小组在公开信里写得很直白，他们的参与不应被理解为对结论的认证，如此重要的结果需要谨慎的独立审查。他们要求 OpenAI 公开全部原始数据，并要求由 OpenAI 出资举办一场面向整个研究社区的会议，OpenAI 同意了两点。

第三重是「哪里是新的」。麻省理工学院的 Ryan Williams 在接受 TechCrunch 采访时把证明拆成两部分来看待，一些部分在他看来相当常规，另有两三处则陌生到需要整个社区一起看。他还说了一句常被引用的话，应当让研究者重新考虑 P 等于 NP 到底有多可信，同时他判断这个算法大概率还能被进一步改进。

荷兰埃因霍温理工大学的 Bart Jansen 把这次工作形容为巧妙、令人惊叹，也让人谦卑。悉尼大学的 Clément Canonne 的说法更形象，他说支撑 ETH 的那整张网络塌了，而他们现在站在后面往里看，还不知道为什么。

密码学会不会崩：现实影响的几条边界

ETH 被证伪最容易被误读成密码体系要出问题，这里必须把边界划清楚。

Ryan Williams 表示他专门就此询问了 OpenAI 的科学负责人 Dan Roberts，Roberts 回复说 OpenAI 内部检查后相当有信心，这个结果不意味着依赖现有密钥长度的加密体系会被攻破。这是一方当事人的自评，与独立的密码分析结论之间仍隔着一段距离。

更根本的一层在于定义。亚指数时间描述的是计算量随输入规模的增长方式，它不等于多项式时间，一个更快的渐近上界也不等于某个具体任务跑得更快。斯泽德与 Canonne 的表述都指向这一点，形式证明过关与工程落地之间，还隔着找出算法、做出实现、再做实测这三步。

还有一个被反复强调的技术区别。克雷数学研究所的量子杨-米尔斯千禧年难题要求两件事，既有存在性证明，也有正质量间隙证明。OpenAI 这次完成的是前者。宣布存在性不等于解决了整个千禧年难题，物理组选择暂不公开材料也是出于这个考虑。

这次发布留下的三个长期问题

抛开 ETH 本身，这次发布方式暴露出来的治理问题可能比结论本身更有长期影响。

一是学术署名。审阅组在公开信里直接问，当模型先找到了结果，负责检查、修正和撰写解释的人类该怎么分功。他们担心的场景是，认可会流向先发表的人和掌握最强工具的人，而做核查与解释的贡献却得不到对等承认。OpenAI 的表态是不寻求学术署名，认可应当归给撰写解释的研究者，并且已经向 Simons Foundation 捐赠 500 万美元用于 AI 产出成果的工作坊与会议。

二是特权早期访问。同一封公开信要求为企业 AI 成果建立规范，包括谁可以先看到结果、如何避免先发者锁定优先权。皇家霍洛威大学的 Magnus Wahlström 把近期现象描述为「由新闻界完成的数学」，他担心专有模型可以在某天突然推翻研究者数月的工作。2026 年 6 月的莱顿宣言已经就 AI 参与学术工作提出过类似关切。

三是验证成本的分担。形式化验证是这轮成果可信度的地基，但把论文手稿翻译成 Lean 语句的活儿并不小。Anthropic 走的是另一条路，本站记录过 Claude 64 小时设计出 31.8 万个抗蝎毒蛋白，211 个送测 17 个达标，那条路径是把产出直接送进真实实验验证，代价是几个月，也远远超过一天。谁来承担从模型产出到学界共识之间的这段成本，目前还没有稳定答案。

从更宽的视角看，OpenAI 在数学与科研方向的动作已经不局限于单点突破。上面那条抗蝎毒蛋白的路径由 Claude 家族模型驱动，OpenAI 与 PerturbAI 用 2000 个智能体 32 分钟解析小鼠全脑图谱 走的是另一条并行推进的路线，而 OpenAI Signals 公开的 165 项工作活动 则显示，两家实验室正在同步把 AI 塞进真实科研流程的不同环节。

常见问题

ETH 是什么，为什么被推翻这么重要

ETH 是 1999 年提出的关于 3-SAT 计算复杂度的假设，断言这类问题不存在亚指数时间通用算法。它重要是因为数百篇论文拿它当前提推导条件性难度结论。假设一旦被证伪，这些结论都要重新审视，多个领域的教科书内容也要改写。

ETH 被证伪是否意味着 P 等于 NP 已经解决

没有。ETH 成立可以推出 P 不等于 NP，反过来不成立。证伪 ETH 只说明某些问题的算法可能比原先认为的更快，并没有给出所有易验证问题的多项式时间解法。牛津大学的 Leslie Goldberg 明确表示不应把它看成 P vs NP 的进展。

普通开发者现在需要担心密码安全吗

暂时不需要。OpenAI 科学负责人向审阅方表示，内部检查后相当有信心这个结果不会导致依赖现有密钥长度的加密体系被攻破。这是一方自评而非独立密码分析结论。同时亚指数时间不等于多项式时间，从渐近界到工程可用之间还隔着算法实现与实测环节。

小结

OpenAI 用一次发布同时动了三个方向，ETH 反证是其中最容易被外界理解、也最容易被误读的一项。它推翻了一条用了近 30 年的假设，却没有推翻 P vs NP，也没有让任何加密体系失效。真正值得记住的时间点有两个，10 月 16 日模型给出反证，10 月 17 日 Lean 形式化通过。至于这个结果能否通过独立审查，以及学界将如何重新分配 AI 参与研究时的学术署名，这些问题现在都还没有答案。

相关阅读

• Claude 形式化验证 123 个开源库：1.8 亿行 Rocq 证明
• Claude 64 小时设计 31.8 万个抗蝎毒蛋白：211 个送测 17 个达标
• OpenAI 联合 PerturbAI 用 2000 个智能体 32 分钟解析小鼠全脑图谱
• OpenAI Signals 公开：165 项工作活动，头部集中度降至 51.1%