凱文·巴澤德（Kevin Buzzard）大約沒想到，在他帶領帝國理工學院的學生們於 Lean 語言的荒原上艱難跋涉時，Anthropic 的 Claude 已經悄無聲息地翻過了費馬大定理（FLT）那座看似不可逾越的高山。這場關於形式化證明的競賽，本質上不是在比拼誰的邏輯更嚴密，而是在考驗誰能先將人類幾百年來積累的、充滿直覺與跳躍的數學黑話，精確地翻譯成機器能理解的低階指令。當學術界還在爭論 Lean 語言的庫有多麼晦澀難懂、人類大腦難以處理那些密集的代數幾何結構時，大模型已經開始在代碼空間裡自動補完那些繁瑣的證明細節。這不是簡單的文本生成，這是邏輯鏈條在極高維度下的對齊。
在形式化證明的語境下，Claude 表現出的那種令人不安的「直覺」，實際上源於它對結構化數據的高度敏感。數學證明與編寫高質量的 Rust 或 Haskell 代碼並無二致，都要求在嚴格的類型約束下完成狀態轉移。Claude 在處理超過十萬 token 的長上下文時，依然能精準地捕捉到 Lean 項目中跨文件的引理依賴，這讓它在處理費馬大定理這種需要調動大量現代數論基礎（如模形式、橢圓曲線）的任務時，顯得比那些依賴規則引擎的傳統自動定理證明器（ATP）更像一個數學家。它不是在窮舉可能性，而是在預測邏輯的流向。
這種能力的底層邏輯在於，Claude 對符號邏輯的理解已經脫離了單純的模式匹配。當你給它一個複雜的幾何代數命題，它不僅能給出證明的草圖，還能主動識別出當前 Lean 數學庫（mathlib）中缺失的定義，並嘗試自行構造。這種「填補空白」的能力，是區分通用模型與專用數學模型的關鍵。雖然 ChatGPT 在處理這類硬核數學任務時也表現不俗，但在面對極端抽象的範疇論或李群理論時，其邏輯鏈條的穩定性往往不如 Claude 那般如精密齒輪般扣合。
如果我們將視角稍微轉移，看看那些試圖在推理賽道上追趕的選手。相較於 Qwen 3.8 27B，Claude 在處理深層遞歸邏輯時的崩潰閾值明顯更高。當任務涉及到需要連續進行數十步轉換的代數變形時，Qwen 3.8 27B 的表現與 Claude 相比，展現出了截然不同的路徑選擇。這種差異並非僅僅是參數規模的問題，更多地關乎於模型在預訓練階段對結構化邏輯數據的消化方式。這也解釋了為什麼在 Hacker News 上的那些資深工程師，即便能忍受 Lean 語言那種反人類的語法，也無法忍受一個會在證明的最後一步出現低級邏輯滑坡的模型。
Gemini 在這方面則採取了另一種策略，它試圖通過強化學習與形式化環境的閉環來解決問題，但在實際操作中，其生成的代碼往往帶有一種過度工程化的僵硬感。與之相比，Grok 雖然在語氣上極盡嘲諷之能事，但在這種嚴肅的科學邊界探索中，它的存在感始終略顯稀薄。這讓我們不得不思考一個問題：當 AI 能夠比人類更快地完成形式化證明，我們對「理解」的定義是否已經發生了偏移？
數學家們曾以為，將數學形式化是為了確保絕對的真理，是人類為了對抗自身直覺謬誤而建立的最後堡壘。然而，當這個堡壘的每一塊磚石都是由 AI 搬運並砌築時，人類是否還能宣稱自己擁有了這座城堡？凱文·巴澤德的博客中流露出的那種複雜情緒，或許正是所有智力勞動者在面對這一轉折點時的共同宿命。我們正在進入一個「後證明時代」，在這個時代裡，證明的正確性由機器保證，而人類的工作僅僅是給出那個最初的、充滿野心的猜想。
如果有一天，AI 給出了一個長達數百萬行、且完全通過了機器檢核的黎曼猜想證明，但地球上沒有一個人類能夠讀懂其中的邏輯鏈條，這份證明究竟算是人類文明的勝利，還是機器對人類智力邊界的最終接管？當我們在為 Claude 征服費馬大定理而歡呼時，是否也無意中遞出了那把通往黑盒世界的鑰匙？