Claude 这次最该被盯住的地方，避开了“AI 解开数学世纪难题”的爽点。
8 月 10 日，Anthropic 公开一组研究材料：一名员工让未发布研究版 Claude 直接挑战黎曼猜想，结果没有成功，但模型在相关问题上给出一个新的下界结果。官方说法是，满足黎曼猜想的黎曼 zeta 函数零点比例，此前已知下界为 41.6%，Claude 将它推进到 67.2%。
这个表述很窄，也很重要。黎曼猜想本身仍未被证明；Claude 做到的是把“至少有多少比例的零点在临界线上”这个较小问题往前推了一步。对非数学读者，最直白的翻译是：AI 没有打开主门，但在旁边一扇长期有人钻研的门上，找到了一把新的钥匙。
成果边界先画清
Anthropic 给出的核心材料有四层。第一，研究页说明结果来自未发布研究版 Claude。第二，Claude 写出技术论文，并有 Anthropic 两名数学家 Levent Alpöge 和 Ralph Furman 研究与验证。第三，官方提供给专家看的简明说明。第四，结果被做成 Lean 形式化证明，并通过标准验证工具。
这些材料把“看起来像证明”的文本，推进到可检查的数学对象。它仍需要学界更长周期审阅，尤其是要看相关不等式、函数空间构造和对既有论文的调用是否被同行完全接受。但它已经高于普通模型演示：少了答题截图式展示，也少了对话里自称完成证明的单薄证据。
Anthropic 在文中把任务开头写得很朴素：
“Take a real stab at the Riemann hypothesis.”
自然说，就是有人让 Claude 认真试一试黎曼猜想。Claude 没解出来，却在失败过程中转向了一个可验证的旁支目标。
这 67.2% 从哪里来
关键数字有三个口径，不能混写。
- 41.6%：Anthropic 称这是此前长期推进后达到的已知下界；
- 67.2%：Claude 结合 Baluyot、Goldston、Suriajaya、Turnage-Butterbaugh 近年工作和 Bombieri 2000 年论文后给出的新下界；
- 1859 年与百万美元奖金：黎曼猜想提出于 1859 年，Clay Mathematics Institute 将其列为千禧年难题之一。
这三个数字讲的是不同层级。41.6% 和 67.2% 是旁支下界；1859 年和百万美元奖金说明主问题的历史位置。把它们放在一起，是为了防止读者把“改进下界”误读成“证明猜想”。
还有一组工程数字，更能说明 AI 参与科研的方式。Anthropic 称，Claude 先生成并尝试 650 个想法，未成功；第二轮花了一天半，协调约 60 个 Claude 子 Agent，运行 2400 条 shell 命令，写下数百个 Python 脚本，并下载 54 篇 arXiv 论文检查结果是否早已存在。整个过程用了 3100 万输出 token。
这也说明它更像一个小型研究组的高强度搜索、校验和互审流程，人类把大量探索成本交给了模型。
数学家的角色没有消失
这条新闻的看点也在这里：AI 给出候选结果，人类和形式化工具把它压到可检验范围。
Anthropic 写明，Claude 自己建议找人类数论专家验证。公司内部数学家审阅了证明和相关既有工作；另有 Brian Conrey 和 Dan Goldston 在短时间内检查论文。Lean 形式化则把一部分争议从自然语言挪到机器可验证的证明对象上。
这给 AI 科研一个更现实的范式。模型可以扩大试错空间，快速重组旧论文里的技术路线；人类数学家仍要判断哪些步骤有意义，哪些引用口径成立，哪些结论可以进入公开讨论。形式化证明工具则负责让结果少依赖“读起来很像对”的直觉。
中文读者可以把它看成三段流水线：模型负责广撒网，人类负责定题和审稿，Lean 负责把关键环节钉住。缺任何一段，都很难把一次模型输出变成可公开讨论的数学成果。
这一点也区分了它和普通 benchmark 新闻。benchmark 只告诉外界某个模型在固定题库上拿到多少分，题目、评分器和数据集边界都已经被预先设好；这次流程里，Claude 需要自己提出路线、写脚本查证、读旧论文避开重复结果，再把候选证明交给人类和形式化系统压测。难度从“答已知题”换成“组织未知题的搜索”。
对模型公司来说，这类案例还有商业含义。科研 Agent 一旦进入真实实验室，客户买的就不再只是更高分模型，而会是一套能追溯证据链、能留下脚本和证明对象、能被专家逐步接管的工作系统。数学是极端场景，生命科学、材料、芯片验证会更快遇到同样的问题：模型提出的发现，怎样被人类团队接住。
科研 Agent 的下一道门槛
这件事也把 Claude Code、子 Agent 和科研工作流绑到了一起。过去几个月，AI Agent 常被放在写代码、跑浏览器、做办公自动化这些场景里讨论；这次 Anthropic 展示的是另一种用法：让模型在论文、脚本、数值检查和形式化系统之间来回移动。
但限制同样清楚。第一，结果来自未发布研究版 Claude，外部研究者还不能完全复现同一能力。第二，主问题没有被解决，67.2% 下界也需要更广泛同行检查。第三，3100 万输出 token 和约 60 个子 Agent 的规模，说明这类发现并不便宜，也不适合被包装成普通用户随手可得的“AI 数学家”。
下一步需要核验的节点有三个：论文是否进入独立数学家公开评议；Lean 形式化覆盖范围是否足够解释核心证明；类似方法能否在其他数论或组合数学问题上复现增量。
如果这些节点继续落地，这条新闻的意义会从 Claude 解了哪道题，转向 AI 科研如何“组织搜索、写证明、接受审稿”的工作方式。
参考来源：Anthropic Research、Claude 技术论文、Lean 形式化仓库、Clay Mathematics Institute、CocoLoop、相关 arXiv 论文；核验 41.6% 与 67.2% 下界、31 million output tokens、650 ideas、60 subagents、2400 shell commands、54 papers、Lean comparator 通过状态。