一 | 编辑｜Panda 今天上午，一位在 Anthropic 工作的数学家 Levent Alpoge 发了一条推文。 推文开头是一句慵懒的「hello there」，接着他说：雅可比猜想是错的。
二 | 《科创板日报》获悉，DeepSeek API开放平台将于2026年8月23日（周日）00:00起，优化峰谷计费规则。调整后，周末（周六及周日）全天将不再区分峰谷时段，统一按低谷时段价格计费。新规则生效前产生的费用，仍按原计费标准结算。然后他感谢了两个人：一个是「问起这件事的好朋友 akhil」，另一个是「在世界杯决赛期间还在干活的好朋友 fable」。 后面那位「fable」自然是 Anthropic 的大模型 Claude Fable 5。 当前，DeepSeek V4 Pro正式版已经更新至API，调用模型名不变。新版本大幅增强了Agent能力，支持Responses API和Codex接入。DeepSeek V4 Pro正式版基准测试显示，其在终端Agent测试Terminal Bench的得分为87.9分，逼近Fable 5的88.0分。 推文正文剩下的部分是一串谁都能抄下来验证的多项式：一个从 C³ 到 C³ 的映射，雅可比行列式恒等于 -2，却把三个完全不同的点 (0, 0, -1/4)、(1, -3/2, 13/2) 和 (-1, 3/2, 13/2) 一起送到了同一个点 (-1/4, 0, 0) 上。在AI安全智能体评测基准CyberGym、以及在高难度的智能体评测基准AutomationBench上，表现甚至反超Fable 5。 就这么几行字。一个自 1939 年提出、被写进斯蒂芬·斯梅尔「21 世纪数学问题」清单、困住整整一代代数几何学家、连两个变量的最简单情形都没人解决的猜想，被一条推文当成了随手一提的脚注。 随着DeepSeek V4全系列模型正式版上线，DeepSeek对API价格进行大幅涨价。此前，DeepSeek发布API调价公告，采用峰谷定价，高峰时段是低谷时段价格的两倍，使得deepseek-v4-pro高峰时段百万tokens输出，最高价格达27元。高峰时段为北京时间9:00-12:00、14:00-18:00（其余为低谷时段）。 DeepSeek官方把调价归因于“更合理地配置资源、提升服务稳定性”，新价格已于北京时间2026年8月17日0时开始生效。 简而言之，Fable 5 找到了雅可比猜想的一个反例： 这条推文引发广泛关注，浏览量已经超过 500 万，田渊栋等诸多大佬留言转发评论，宛如过年。 从行业来看，DeepSeek的涨价并非孤例。 这是一条推文，也是一篇论文 学术圈的反应很快。
三 | 斯坦福的数论学家 Jared Duker Lichtman 转发并逐步拆解了这个反例，还顺手挖出了一段几乎像电影桥段的历史巧合（后面细说）。
四 | 他把这项工作的署名写作「Alpoge、Mathew 和 Claude Fable 5」——这里的 Mathew 指芝加哥大学的代数几何学家 Akhil Mathew，也就是推文里那位「问起这件事的 akhil」。今年以来，阿里云、腾讯云、百度智能云、智谱AI等国内头部厂商已集体调价。腾讯云连续两次宣布涨价；智谱AI更是在年内进行了三次API价格上调。
五 | 
根据摩根士丹利此前发布的研报《告别价格战，打响智力战》（Intelligence War Over Price War）显示，其统计字节跳动、阿里巴巴、百度、腾讯、MiniMax、智谱、月之暗面和DeepSeek等厂商官方报价后发现，2026年第二季度，中国大模型平均API输入价格已经升至每百万Token4.9元，输出价格升至21.9元，相比2025年第一季度的3.3元和12.2元，分别上涨约48%和80%。 开源证券认为，“涨价”展示了大模型厂商从“以低价换市场”向“以价值定价”的战略转向，Token定价逻辑转向价值回归。Token通胀并非短期脉冲，而是具有持续性和结构性的产业趋势。
六 | 在 Hacker News 上，热度同样很高，评论区弥漫着一种混合了敬畏和荒诞的情绪。有人写下那句被反复引用的话：「他就……把它发了条推。」另一位补刀：「我给维基百科词条加 {{Cite tweet}} 的时候都有点不好意思。
七 | 一方面，大模型厂商从价格战集体转向价值定价，DeepSeek、智谱、阿里、腾讯等头部厂商同步涨价，行业共识正在形成。」还有人盯着那个非常规写法的「thanx」感慨：「这个『thanx』要载入史册了。」 也有人被那条推文的形式逗乐了：这个猜想撑了 85 年，而推翻它的公告发在一个七天后就会过期的格式里。
八 | X 上的气氛更松弛，有人说这条推文本来可以让一个人获得博士学位： 还有人说「我太喜欢 AI 让突破性数学变得这么随意了」；有人贴出自己让 Fable 验证结果时模型的反应，按几位网友的描述，模型一边疯狂地用五种方法反复核对，一边不敢相信这是真的。Agent普及驱动Token消耗乘数式增长的趋势不可逆，多Agent协同带来的网络效应将进一步放大Token需求。还有一句流传甚广的调侃：「我让 Fable 帮我验证，它彻底炸了！我完全看不懂这些是什么意思，但我的 AI 觉得我是个传奇级数学家。」 事实上，也有人认为这条推文本身就是一篇论文，他们还举例了历史其它一些篇幅很小的数学论文，甚至比这条推文更短： 热闹之外，也有认真的怀疑。 中银证券表示，腾讯等国产CSP厂商资本开支上调与以DeepSeek为代表的大模型涨价，正成为持续拉动国产算力需求的两大核心引擎。
九 | 有人第一反应是：这个反例这么「小」，degree 这么低、系数也不大，85 年里难道没人做过一次小范围的穷举搜索吗？这个问题，我们放到后面回答。其中，DeepSeek-V4-Pro上调价格的产业信号意义较强。一方面，大模型推理成本伴随参数规模、上下文长度和用户调用量提升而增加，价格调整有助于改善模型厂商的单位算力回报与商业化能力；另一方面，模型能力提升及付费模式逐步成熟，将推动大模型行业从“低价获客”转向“价值定价”，改善AI服务的商业闭环。 雅可比猜想到底在问什么 先把这件事说清楚，它其实比听上去友好。 该机构认为，模型调用价格上升并不意味着算力需求减弱，反而验证了高性能模型供需紧张及优质算力的稀缺性。随着推理需求由互联网应用向办公、金融、工业、政务等场景扩散，算力需求将从训练侧集中投入转向“训练与推理并重”，从而带动服务器、交换机、光互连、PCB、高速连接器、电源及液冷等基础设施持续扩容。
十 | （文章来源：财联社）。
十一 | 想象一个多项式映射：输入几个数，只用加法、乘法和整数次幂，输出另外几个数。Alpoge 给的这个例子就是把三维空间里的点 (x, y, z) 映射到三维空间里的另一个点。 对任何这样的映射，你都能写出一个叫「雅可比矩阵」的东西，里面装满了它的偏导数，本质上是一张表，描述每个输出对每个输入的微小扰动有多敏感。这张表的行列式是一个数，它告诉你：在某一点附近，这个映射是不是「局部可逆」的。 雅可比猜想问的是一个很具体的版本：如果这个行列式处处等于同一个非零常数，那能不能保证整个映射是全局可逆的。
十二 | 也就是说，你总能从任意一个输出倒推回那个唯一的输入，而且倒推的公式还是个多项式？ 微积分里的反函数定理已经告诉我们，非零的雅可比行列式是局部有光滑逆的必要条件。1939 年，德国数学家 Ott-Heinrich Keller 想知道的是：这个「局部」的条件，够不够强到撑起「全局」的结论。 听上去像是 1950 年之前就该被解决的问题。结果它成了现代数学里最著名的陷阱之一。 为什么它撑了 85 年 雅可比猜想在数学家中间的名声，是「看起来平易近人，实则专啃学术生涯」。
十三 | 它排在斯梅尔那份面向 21 世纪的问题清单的第 16 位，和黎曼猜想、Navier-Stokes 方程并列。即便是最简单的两变量情形，至今也没被解决。 它还以「假证明」多而闻名。维基百科词条里就有一句几乎是免责声明式的描述：雅可比猜想以大量后来被发现含有微妙错误的已发表和未发表证明而「臭名昭著」。 几十年下来，研究它的人养成了一种近乎条件反射的谨慎：一个新的雅可比猜想「证明」出现时，默认是「有罪推定」，先假设它错了再说。 正是这种名声，让这次的公告显得格外不同。因为这一次不是又一个「证明」，而是相反的东西：一个写得明明白白、满足猜想全部前提、却偏偏不可逆的具体函数。 反例，用大白话说 Alpoge 贴出的这个函数，接收三个数 (x, y, z)，输出三个新数，全部由输入的和与积搭出来。它的雅可比行列式算出来是常数 -2，处处非零——正好是猜想在意的那个条件。 但它把三个货真价实不同的起点，(0, 0, -1/4)、(1, -3/2, 13/2) 和 (-1, 3/2, 13/2)，送到了同一个终点 (-1/4, 0, 0)。一个不可逆的函数必须干的，正是这件事：把至少两个不同的输入压到同一个输出上。这里它一口气压了三个。 一次这样的「碰撞」就足以击沉整个猜想。剩下的全是算术，任何人拿笔把数字代进去就能验证。也因此，数学圈这次接得这么快。Lichtman 在拆解里写道，由于 F 把三个不同的点送到了同一个像，它不可能可逆。 一个绕不开的问题：为什么以前没人找到？ 回到前面那个怀疑：例子这么小，怎么以前没人穷举出来？ Hacker News 上有人给出了一个不算浪漫但可能接近真相的解释：不是找不到，是没人去找。学术数学里钱不多，真正热爱它的人往往盯着的是「高价值」的大定理，而这种把猜想一击毙命的低次反例，历史上多半是业余爱好者的领地；而近几年「一切皆可变现」的风气，又把人从这类无功利的智力消遣里推开了。 换句话说，答案可能不在数学里，而在「谁有闲心去搜」这件事上。 也有人提出，Fable 之所以能合成出这个反例，或许恰恰因为它「读过」大量前人失败的证明。那些错误尝试里对多项式施加的种种约束，可能以某种方式被模型内化，再借着作者的反复提示和 Wolfram Alpha 的验证，一点点逼近到最终这串式子上。
十四 | 这个说法目前只是猜测，反对者的反驳也很直接：那些「假证明」是奔着证明去的，未必对「找反例」有任何帮助；退一步说，反例就是反例，在此之前没人找到过，哪怕他们同样读得到那些前人的工作。 这场争论本身，或许比反例更有意思——它触及的是一个更大的问题：当模型开始参与真实的数学发现，它到底是在「检索」人类已有的智慧，还是在「创造」新的东西。 一段关于张益唐的奇异回响 这个故事里最戏剧性的部分，其实和 AI 无关。 据 Lichtman 梳理，雅可比猜想（的一个特例）正是曾在孪生素数猜想和黎曼猜想上取得过实质性突破的顶级数学家张益唐博士期间的课题。
十五 | 当年他的导师让他在自己证过的一个引理之上做这项工作，而那个引理后来被发现是错的。张益唐的整篇博士论文，也随之坍塌。 后面的故事很多人都知道了：论文垮掉后，张益唐拿不到需要的推荐信，多年辗转于各种工作之间，直到四十多岁才拿到一个稳定的学术职位；但他最终证明了素数间隔有界这一里程碑式的结果。这被认为是现代数学最励志的翻身故事之一。 而如今，这个曾在张益唐学术生涯起点处把他绊倒的猜想，四十年后被另一群人外加一个大模型在世界杯决赛夜给了结了。历史的回响，有时候安排得比小说还工整。 但先别急着改教科书 有一件事必须说清楚：截至发稿，这个结果还没有经过正式的同行评审。而该猜想的维基百科词条经过多次拉锯式的反复修改，目前已经对该推文的证明给予了认可。 好消息是，这个反例的验证门槛极低：它不是一份几十页、需要专家逐行审查的证明，而是一个把数字代进去就能算的具体函数。
十六 | 也因此，在缺乏正式论文的情况下，社区仍然愿意在几小时内认真对待它。多位数学家已经用 Wolfram Alpha 复算并确认了那几个关键数值。但「大家都算过、看起来对」和「已被学界正式接受」之间，仍隔着一道流程。 围绕它的后续问题也已经浮现。比如，猜想的某个「修补版」是否还能幸存？社区里流传着一个据称来自 OpenAI 模型的提议：如果补上一个排除「无穷远处退化」的条件，猜想或许仍然成立。这个补丁版本是真能被证明，还是又一个等着崩塌的死胡同，现在没人知道。 值得追问的，不只是一个猜想的生死 把这件事放进更长的脉络里，它是最近一连串结果中的最新一个。
十七 | 这些结果共同指向一个判断：前沿模型正在从竞赛题和智力游戏，走进真正的开放问题。就在不久前，还有 AI 系统被报道解决了多个悬置数十年的 Erdős 问题，并生成了可被机器验证的形式化证明。 但雅可比这个例子有点不一样。它不是在一个已知题库上刷分的形式化证明搜索，而是一位真正的在职数学家，把模型当成一个研究协作者，去猎捕一个有名有姓、悬了几十年的具体猜想的反例；然后不声不响地发了条推。 参考链接 https://x.com/alpoge/status/2079028340955197566 https://x.com/jdlichtman/status/2079066717762863249 https://news.ycombinator.com/item?id=48973869 https://en.wikipedia.org/wiki/Jacobian_conjecture https://officechai.com/ai/an-anthropic-researcher-says-fable-just-helped-him-disprove-the-85-year-old-jacobian-conjecture/ https://explainx.ai/blog/fable-5-jacobian-conjecture-counterexample-alpoge-july-2026。
Current article:http://www.kelozhaichongbaoshuo.pics/xh7/9cv.doc
Published on:16:25:05
