我们用内部模型对所有 10 道 First Proof 问题进行了测试。First Proof 是一个面向研究级别的数学挑战，旨在检验 AI 系统能否给出正确且可检验的证明尝试。与短答或竞赛式数学不同，这类题目要求在专业领域内构建端到端的论证，要确认正确性通常需要专家复核。出题人均为各自领域的顶尖学者，其中至少有几道题在作者找到解答之前曾长期悬而未决。有一个在这些学科上有较大重叠的大学系，理论上可以在一周内解决其中许多题目。 我们在太平洋时间 2026 年 2 月 14 日周六凌晨 0:00 发布了我们…