一句话总结
2026 年 9 月 4 日，Anthropic 发布了一个让数学界震动的开源仓库：费马大定理（Fermat’s Last Theorem）在 Lean 4 证明助手中被完整机器验证。完成者不是人类数学家团队，而是一群 Claude Agent——它们在 Prove2Me 平台上自主运行 11 天，写出约 1300 万行 Lean 代码、证明约 30,300 条中间定理（其中 29,511 条进入最终证明的依赖树），消耗约 60 亿输出 token。人类全程只写了目标定理的那一行陈述。这场实验没有证明「新」数学——它证明了「把人类最深的数学证明翻译成机器可验证的形式」这件事，已经从「需要数年」变成了「需要 11 天」。
从 1637 年的页边空白说起
费马大定理是数学史上最有名的「页边空白」：1637 年，皮埃尔·德·费马在研读丢番图《算术》时写道，方程 xⁿ + yⁿ = zⁿ 在 n ≥ 3 时没有正整数解，并声称「我发现了一个真正奇妙的证明，但这里的空白太小，写不下」。
这句话让数学家们等了 358 年。欧拉证明了 n = 3 的情形，索菲·热尔曼、狄利克雷、拉梅、库默尔前赴后继，一路推进到 n 的更大范围——但完整的证明一直缺席。直到 1994-1995 年，安德鲁·怀尔斯（Andrew Wiles）在理查德·泰勒的帮助下，用 129 页论文走通了椭圆曲线与模形式的现代数学机器，才为这个古老的猜想画上句号。它也因此成为 20 世纪数学的巅峰成就之一：怀尔斯的工作横跨数论、代数几何与表示论，几乎调用了过去 30 年发展出的最深工具。
但「证明存在」和「证明可被机器验证」是两回事。怀尔斯的 129 页论文建立在数以千计的引理、定理与前人工作上——其中任何一处被数学家默认的「显然」，机器都不买账。
形式化验证：数学的「编译器」
要理解这次事件的分量，先要理解形式化验证为什么难。
Lean 是一个证明助手（proof assistant）：数学陈述与推导以代码形式写出，由 Lean 内核用固定逻辑规则逐行检查——链条里任何一步接不上，证明就「编译不过」。你最终只需信任一个极小的内核和少数公理，而不再需要信任论文审稿人的细心。
难点在于：人类证明省略了太多「显然」。怀尔斯论文里的一个推论，机器可能要展开成上万个形式化步骤；而 Lean 只能调用 Mathlib——社区共同维护的形式化数学库——里已经形式化过的那一小部分数学。费马大定理之所以被视为形式化领域的「珠穆朗玛」，是因为它需要的工具（Frey 曲线、Galois 表示、模性提升、Hecke 代数……）绝大部分从未被完整形式化过。数学界此前的主流估计是：完整形式化费马大定理需要数年，且需要顶尖形式化专家团队长期投入。
帝国理工学院的 Kevin Buzzard 团队正是在做这件事——他们的 FLT 项目被视为「十年工程」。直到 Anthropic 的实验把时间表彻底改写。
11 天发生了什么
实验的起点在 2026 年 8 月初。Anthropic 一小队研究人员（包括其研究员 Tianyi Peng，他在哥伦比亚大学的小组长期开发 AI 辅助形式化工具）在 Prove2Me 平台上发起了一场 Claude 驱动的尝试。
Prove2Me 是这次实验的关键基础设施：它以「卡片」（card）为工作单元组织证明树——每张卡片是一条待证明的数学陈述；一组 Claude Agent 并行工作，有的负责陈述题目、有的互相审查对方陈述、有的负责证明。人类偶尔评论优先级或「加油」，但没有写任何数学、任何 Lean 代码——除了最初放置的目标定理那一行陈述。
时间线（来自 Anthropic 发布的研究报告）：
| 时间 | 里程碑 |
|---|---|
| 8 月 7 日凌晨 | 运行启动，Agent 群开始并行证明 |
| Day 1 | 费马大定理的初等形式化陈述被放置到证明树顶端 |
| Day 1-2 | Taylor–Wiles 素数（模性论证所需）与其背后的 Frobenius 密度定理被证明 |
| Day 4 | Mazur 定理（挠点部分，order 19）完成 |
| Day 5-6 | Mazur 定理（不可约性）完成 |
| Day 7 | Ribet 定理的 level-switch 关键步骤完成（图中依赖树重接导致计数回落，非返工） |
| Day 8-9 | Eichler–Shimura 步骤、Langlands–Tunnell 定理完成 |
| Day 10 | 模性提升（论证所需情形）、Ribet、FLT 收官 |
| Day 11（8 月 17 日） | 最终定理标记为「已证明」 |
| 之后 | 多层复核（Lean 内核重建、Mathlib 对照、独立内核 nanoda） |
| 9 月 4 日 | 完整证明开源发布 + 研究报告 |
数字本身已经说明规模：平台累计证明约 30,300 条陈述，其中 29,511 条进入最终定理的依赖树并被重新检查；约 1300 万行 Lean 代码；消耗约 60 亿输出 token（Anthropic 内部研究模型，与 Claude Fable 5.1 大致同级）；完整从零构建需要约 230 GB 峰值内存，输出环境导出约 37.8 GB。Anthropic 自己也承认：这份证明「很可能比它需要的长得多」——它不是怀尔斯式优雅的数学，而是一台不知疲倦的机器用蛮力铺出的、每一块砖都被验证过的路。
证明路线图：沿怀尔斯之路，但每一步都踩实
Claude 没有发明新路线。证明沿用的是 Frey–Serre–Ribet–Wiles / Taylor–Wiles 的经典论证，组织方式大体参照 Darmon–Diamond–Taylor 的表述，采用反证法：
- 假设反例存在：若 aᵖ + bᵖ = cᵖ（p ≥ 5 素数）有正整数解，先归一化为互素、满足特定同余条件的「Frey 包」；
- 构造 Frey 曲线：从反例出发构造一条椭圆曲线 E：y² = x(x − aᵖ)(x + bᵖ)——这是 Gerhard Frey 1985 年的核心洞见：FLT 反例会给出一个「太不寻常」的椭圆曲线；
- Mazur 定理（论证所需情形）：证明该曲线的 mod p Galois 表示不可约；
- Langlands–Tunnell 定理：证明该表示是模的（modular）；
- Ribet 的 level-switch（降级定理）：把模性「降」到一个不可能存在的水平；
- 模性提升：结合 Taylor–Wiles 素数与 Hecke 代数机器，推出矛盾——反例不存在，定理得证。
仓库里的 PROOF-PATH.md 用一页页文档点名每个步骤对应的 Lean 定理文件（Theorems/Thm_X_y.lean 陈述、P2M/Sol/S_X_y.lean 证明），并诚实声明：「本散文与 Lean 不一致处，以 Lean 为准。」
一个必须交代的细节：Claude 并非从零开始。它的工作建立在 Mathlib、帝国理工 FLT 项目（Kevin Buzzard 团队）与 flt-regular 项目之上——仓库的 ATTRIBUTION.md 逐文件列出了 106 个取自或改编自这些项目的文件（Apache-2.0 协议兼容）。更准确地说，这场实验证明的是：在既有形式化资产（定义、引理、项目骨架）的肩膀上，AI Agent 群能把「人类完整证明 → 机器可验证证明」这条翻译流水线跑通——而这恰恰是此前被认为最需要人类专家数年的环节。
三层验证：为什么这次可以信
「AI 写的证明」最大的疑问自然是：会不会是幻觉？Anthropic 为此设计了冗余的三层验证——这也是大型形式化项目里罕见的严谨度：
- Lean 内核重建（lake build）：用 Lean 4.33.1（含 2026 年的内核健全性修复）从零构建全部 60,475 个模块，每个声明都被 Lean 内核检查；
FinalCheck.lean强制最终定理只依赖 Lean 的三个标准公理（propext、Classical.choice、Quot.sound）——没有sorry，没有私加公理，没有native_decide作弊； - Mathlib 对照器（comparator）：用 leanprover/comparator 独立检查——仓库证明的定理与 Mathlib 官方表述的
FermatLastTheorem严格一致，防止「证明了一个长得像、其实不是」的陈述； - 独立内核 nanoda：用 Rust 重新实现、与参考内核完全独立的检查器，接受了导出环境中 100 万+ 条声明——而且 nanoda 确实抓到了参考内核遗漏的 bug（这正是冗余检查的价值）。
换句话说：即使你怀疑 Lean 内核本身，还有第二个独立实现的内核在把关；即使你怀疑陈述被偷换，还有对照器盯着 Mathlib 的官方定义。
意义与争议：别把「机器验证」读成「AI 发现新数学」
这场实验的边界和它的成就同样清晰，值得掰开讲：
它证明了什么：AI 可以自主完成「非平凡数学证明的形式化」这一此前被认为需要数年专家劳动的任务。29,511 条定理的依赖树、11 天的节奏、人类零数学输入——这组数字意味着形式化数学的产能瓶颈被打破了。对 Lean/Mathlib 生态而言，这是有史以来最大的单一贡献；对「AI 数学」而言，它比「AI 解几道竞赛题」高了好几个量级。
它没有证明什么：Claude 没有发现新定理、没有发明新证明路线——它翻译并验证了一条人类已知的路线（且 Anthropic 承认产物远长于必要长度）。「机器验证为真」也不等于「数学家已经理解了证明」——1300 万行代码对人类的可读性几乎为零，PROOF-PATH.md 只是路线图而非替代品。此外，独立学术界的复验尚未完成——heise 等媒体的报道也强调了「独立评估 largely pending」。数学共同体的信任，最终仍要由数学家们逐段审读来建立。
对比与语境：就在数周前，OpenAI 的 Astra 模型宣称把 10 个非正式证明转成了 Lean 证书，但方法学受到质疑（单个结果集合，而非完整闭环证明）。Anthropic 这次交出的则是端到端的完整证明 + 三层验证 + 全量开源——两者不在一个量级。而帝国理工团队多年积累的开源项目被 AI 以如此方式「接棒」，本身也是开放科学的一次胜利：没有 Mathlib 与 ICL FLT 项目的开源积累，11 天神话不可能发生。
对普通人与开发者的启示
- 「AI 会幻觉」正在从无解变成工程问题：FLT 与上周热榜的 reverify 指向同一个方向——把「AI 说了算」改成「验证器说了算」。AI 负责提出，机器负责裁决，两者的交界处就是可信 AI 的产品机会。
- Lean 可能成为下一个值得学习的「编程语言」：当 AI 能批量生产形式化证明，数学、安全关键代码（合约、协议、芯片验证）的「可证明正确」会从奢侈品变成标配——懂 Lean/形式化方法的人将吃到这波红利。
- AI Agent 的「无人监管长跑」能力被重新定价：11 天自主运行、30,000 张卡片的并行协作，证明 Agent 群在明确定义的目标 + 可自动检查的中间产物下，可以执行人类无法亲自盯守的超长任务——关键是每一步都有机器可验证的检查点。
总结
费马大定理的机器验证是 2026 年 AI 领域最值得记住的事件之一，但它的意义需要精确表述：它没有让 AI 变成数学家，却让 AI 变成了数学家的「无限耐心的校对员」——而且这位校对员现在快得离谱。 358 年的猜想、30 年的现代证明、数年的形式化估计，被 11 天压缩成一段可复验的开源代码。接下来真正值得观察的，不是「AI 能不能证明定理」——这已经被回答了——而是数学共同体如何消化这份 1300 万行的礼物：哪些部分会被人类数学家吸收为新的直觉，哪些会反过来推动新的数学发现。毕竟，当机器把「证明」变成可批量生产的工程，人类唯一不可替代的，就只剩下「提出正确的问题」。
数据来源：Anthropic 研究报告《Formalizing Fermat’s Last Theorem in Lean》（2026-09-04）、github.com/anthropics/fermats-last-theorem 仓库（README / PROOF-PATH.md / ATTRIBUTION.md）、heise.de 与 startupfortune.com 报道。文中「约 1300 万行」「约 30,300 条」「约 60 亿 token」为 Anthropic 自述数据，独立复验进行中。
