當凱文·巴澤德（Kevin Buzzard）在博客上敲下那句「Anthropic 擊敗了我」時，學術界那道自詡為「人類智慧最後堡壘」的圍欄似乎又塌了一截。費馬最後定理的形式化證明，這原本是數論學家打算耗費數年、在 Lean 語言的荒原上慢工出細細活的宏大工程，卻被 Claude 以一種近乎粗暴的效率強行推進了關鍵進度。這不是那種靠概率預測下一語詞的文字遊戲，而是邏輯鏈條在極端嚴苛的編譯器檢查下，竟然逐一合龍的奇觀。我們習慣了看大模型寫代碼、改周報，甚至在創意寫作上插科打諢，但當它開始深入 Lean 的底層，去處理那些連專業數學家都覺得「腦袋無法處理」的幾何代數與李群理論時，這場遊戲的性質就變了。
數學形式化證明與一般的代碼補全有着本質不同。在 Lean 這種定理證明器裡，你輸入的每一行代碼都必須在逻辑上無懈可擊，否則編譯器會毫不留情地報錯。這是一個零容忍的環境。Claude 展現出的特質，是在長程邏輯推理中保持了一種令人驚訝的「清醒」。在處理費馬定理相關的橢圓曲線與模形式證明時，它不僅僅是調用數學庫，而是在構建一種跨越數百個步驟的推導結構。這種結構的複雜程度，遠超一般的 Python 腳本。它不再是簡單的模式識別，而是在某種程度上觸及了符號邏輯的深層骨架。
這種表現直接擊中了 ChatGPT 與 Gemini 的痛點。目前的 GPT-4o 在處理高度抽象的數學邏輯時，依然頻繁陷入「幻覺」的泥沼，它太急於給出一個看起來正確的答案，而在證明的嚴密性上缺乏耐心。Gemini 雖然依賴其龐大的上下文窗口在文獻檢索上略勝一籌，但在 Lean 這種對語法細節要求極致精確的任務中，它的 function calling 往往會因為過度泛化而導致類型檢查失敗。Claude 的優勢在於它對上下文的「注意力分配」更為克制且精確，它似乎能理解抽象代數中那些嵌套定義的深層含義，而不是僅僅把符號當作標籤。當你要求它在特定的 Lean 框架下重構一個引理時，它給出的代碼片段往往能直接通過編譯，這種一次性成功率在形式化領域簡直是奢侈品。
這種邏輯深度也讓同期的一些模型顯得像是還在練攤的學徒。就在本週，Qwen 3.8 27B 在某些社區引起了討論。相較於 Qwen 3.8 27B，Claude 在面對費馬定理這種需要極強邏輯連貫性的任務時，其展現出的推理深度完全不在一個維度。雖然 Qwen 3.8 27B 也有所動作，但 Claude 這種直接接管形式化證明戰場的姿態，確實讓其他競爭者顯得有些力不從心。即便是 Grok 這種標榜硬核的模型，在面對數學形式化這種需要「慢思考」的領域時，其表現也往往不如 Claude 來得穩健。這並非單純的參數規模壓制，而是模型在對齊邏輯規則與符號推演時，底層架構表現出的差異。
我們必須思考一個問題：當 AI 能夠比人類更熟練地操作 Lean 這種複雜的工具時，數學家的角色是否正在從「創作者」退化為「審校員」？巴澤德的沮喪並非源於技術本身的威脅，而是那種原本需要數年苦修才能領略的、如同玻璃珠遊戲般的邏輯美感，現在被一個消耗電能的黑盒在幾秒鐘內拆解完畢。這種挫敗感類似於一個手藝人看著全自動流水線精確地仿製出自己引以為傲的孤品。
如果連費馬最後定理這種巔峰難度的形式化任務都能被 Claude 啃下關鍵支點，那麼接下來的數學研究會變成什麼樣？我們是否即將進入一個由大模型生成證明、由編譯器驗證正確性，而人類只需負責「提出問題」的時代？更進一步說，如果人類大腦已經開始無法閱讀那些由 AI 生成、卻被 Lean 判定為正確的證明代碼，我們又該如何定義這種「理解」？這到底是人類智慧的延伸，還是我們主動交出了思考的權柄？