OpenAI 最近拿著納維-斯托克斯方程（Navier–Stokes equations）的千禧年大獎難題出來秀肌肉，宣稱他們的 Agent 體系在數學證明上有了突破。這事兒在 Hacker News 炸開了鍋。倒不是因為物理學界真的被顛覆了，而是那組冷冰冰的數據：為了搞定這些問題，這群 Agent 總共發送了 490 萬條訊息，吞掉了將近 3000 億個輸出 Token。這哪是在做數學研究，這簡直是在用錢堆出一座通往真理的焚化爐。很多人在討論這算不算 AGI 的曙光，但我看著這組數字，只聞到了顯卡燒焦的味道，還有那股掩蓋不住的、屬於矽谷式的傲慢。
這場實驗的技術核心不在於模型對偏微分方程有多深刻的理解，而在於那套昂貴的「思考」鏈條。ChatGPT 在處理這類極端任務時，依賴的是一種近乎窮舉的推理路徑。當模型在 A100 或 H100 集群上瘋狂空轉，試圖從無窮的概率空間裡撈出一條正確的證明邏輯時，它其實是在用推理成本換取邏輯深度。這種做法與 Claude 追求的「直覺式」精準截然不同。Claude 在處理複雜長文本和邏輯鏈條時，通常表現得更有「教養」一些，它會試圖在有限的 Context Window 內保持注意力的聚焦，而不是像 ChatGPT 這樣，一旦遇到瓶頸就開啟無限回圈模式，瘋狂輸出那些被開發者戲稱為「Slopcode」的代碼片段。
我們得看清楚這背後的代價。3000 億個 Token 意味著什麼？按現在主流 API 的公開定價算下去，這是一筆足以讓大多數創業公司直接破產的帳單。OpenAI 敢這麼玩，是因為他們手裡握著內部專用的推理模型，那些尚未對外開放、專門為了長鏈條推理優化的版本。這類模型在處理數學物理問題時，會強行拉長 CoT（思維鏈）的長度，甚至在內部進行自我博弈和多路徑驗證。這種行為模式在 Gemini 上也見過類似的蹤跡，Gemini 在處理多模態融合任務時，也會試圖通過增加採樣次數來提升準確率，但 Google 的問題在於它的 Function Calling 穩定性，一旦工具調用超過一定閾值，邏輯鏈條就會像斷了線的風箏，不像 OpenAI 這次展示的，能把幾百萬條訊息強行擰成一股繩。
在這種暴力美學的背景下，其他的玩家顯得有些格格不入。比如最近在技術圈討論度極高的 DeepSeek，或者在特定語境下表現尚可的 Qwen，它們也在嘗試優化推理成本。相較於 DeepSeek 在架構上對計算效率的追求，OpenAI 的做法更像是在告訴全世界：只要算力足夠，邏輯就是可以被「暴力破解」的。這種策略上的分歧非常有趣。一邊是試圖用更巧的算法來模擬智慧，另一邊則是堅信量變產生質變，哪怕這個「量」大到讓人生理不適。Grok 在這方面則顯得比較邊緣，雖然它一直標榜自己有更強的實時數據獲取能力，但在這種純粹的、封閉系統的數學證明面前，實時數據救不了命，只有紮實的推理步數才能換來最終的那個 Q.E.D.。
更讓人玩味的是，這次實驗還捲入了「抄襲」與「過度借鑒」的爭議。有風聲說這些所謂的突破，其實是建立在某些研究員已有的成果和特定的 Prompt 策略之上。這戳破了 AI 圈最後一層濾鏡：如果一個模型需要人類精準地餵到嘴裡，再加上三千億個 Token 的反覆咀嚼才能吐出一點點新東西，那這到底是模型的勝利，還是人類勞動力在數位世界的變相延伸？ChatGPT 展現出的這種「侵略性」行為，不僅僅體現在對算力的吞噬，更體現在它對現有知識產權邊界的模糊化處理。
我們現在站在一個很尷尬的節點上。我們看著這些 Agent 在虛擬實驗室裡揮霍著普通人一輩子也賺不到的資源，去證明一個可能對現實生活暫時沒什麼鳥用的物理難題。這到底是通往 AGI 的必經之路，還是一場由資本和算力堆砌出來的技術幻覺？如果未來的科學發現都必須建立在這種量級的資源消耗之上，那科學究竟是變得更民主了，還是變成了一種只有少數幾家巨頭才玩得起的密教儀式？當我們下一次為了一個精確的答案而按下發送鍵時，我們消耗的到底是模型的智慧，還是這個星球上日益枯竭的廉價能源？