當 Kevin Buzzard 在部落格上寫下那句「Anthropic 搶先了我一步」時，學界與技術圈的震動與其說是驚訝，不如說是某種塵埃落定的挫敗感。費馬最後定理（FLT）的形式化驗證，這座原本預計要耗費數年、集結頂尖數學家與 Lean 社群之力的堡壘，竟然在 Claude 的輔助下提前崩塌。這種崩塌並非指 AI 獨自完成了推導，而是它在處理極其抽象、符號密度極高的數學語言時，展現出一種令人不安的「直覺」。
過去我們討論大語言模型的數學能力，大多停留在小學奧數或微積分演算。但這一次不同，場景被搬到了 Lean 定理證明器。這是一個對語法嚴苛到近乎偏執的環境，任何一個微小的邏輯跳躍都會被編譯器無情回絕。Claude 在這裡扮演的角色不是一個算帳的會計，而是一個精通古希臘文且能瞬間翻閱所有古籍的圖書館員。它在處理超過 10 萬 token 的上下文任務時，展現了對 Lean 庫中龐大定義與引理的驚人檢索與組裝能力，這種能力在處理如幾何代數或李群理論等高階數學課題時，直接跨越了人類大腦解析代碼的生理極限。
技術細節的魔鬼隱藏在「注意力」的分配。在 FLT 的形式化過程中，模型需要理解複雜的代數簇與伽羅瓦表示。ChatGPT 在面對這類多層嵌套的邏輯結構時，往往會因為過度追求「對話的連貫性」而產生幻覺，試圖用一段看似合理的解釋來掩蓋邏輯漏洞。相較之下，Claude 似乎更懂得「閉嘴」。在處理 Lean 代碼的補全任務時，它對符號語義的捕捉更具備一種冷峻的結構感。當人類數學家試圖手寫一段證明，卻因為記不住某個底層庫的具體命名而卡殼時，Claude 能夠根據當前的上下文推斷出最可能的邏輯路徑。這不是簡單的代碼補全，這是在公理體系下的邏輯預判。
我們偶爾會聽到關於 DeepSeek 或 Qwen 在數學競賽分數上的討論，但當視角切換到定理證明的嚴肅現場，四大平台的表現才真正定義了什麼叫「認知邊界」。相較於 Qwen 在處理符號邏輯時的表現，Claude 對於 Lean 這種函數式編程語言的理解更接近於一種深層的語法對應。它不只是在模仿代碼，它在模仿邏輯本身。Gemini 雖然依賴其巨大的窗口優勢試圖吞下整個數學庫，但在實際進行跨引理調用時，其準確性在超過一定複雜度後會出現明顯的震盪，這種震盪在需要絕對精確的 FLT 證明中是致命的。
至於 Grok，它在這種硬核數學場景中顯得有些格格不入，它的語氣或許幽默，但在嚴密的公理體系面前，幽默是最沒用的東西。目前在 Hacker News 上的熱議其實指向了一個核心命題：人類數學家是否正在淪為 AI 的「代碼審核員」？當我們看著那些無法被人腦直觀處理的 Lean 代碼，由 AI 一行行吐出並最終通過編譯時，那種邏輯上的「不可讀性」成了一種諷刺。我們正在用一種我們無法理解的方式，證明了我們曾經理解過的真理。
如果說費馬當初在書頁邊緣留下的那句「空白太小寫不下」是一個跨越世紀的玩笑，那麼現在 Claude 則是用無盡的字串填滿了這些空白。但這引發了另一個層面的焦慮：如果證明的過程變得不再需要人類的直覺參與，如果我們只能依賴機器來驗證機器生成的邏輯，那麼數學的美感還剩下什麼？
當前最令人困惑的並非 AI 能否證明難題，而是它為何能如此精準地捕捉到人類數學家在構思證明時的那種「跳躍感」。這種跳躍感在傳統的計算邏輯中是不存在的，它更像是一種基於海量經驗的模式識別。這是否意味著，高階數學的邏輯鏈條在某種維度上，其實與語言的語義結構有著本質的同構？如果有一天，我們發現黎曼猜想的證明其實隱藏在某個我們尚未發現的、只有 AI 才能讀懂的符號組合裡，我們該選擇慶祝，還是選擇放逐自己的智力？