「百年數學難題被 AI 機器驗證了！」Anthropic 震撼宣布：Claude 僅花 11 天寫出 1,300 萬行 Lean 程式碼，完成人類首個《費馬最後定理》形式化證明全解析

「檢查一份重大數學證明是否正確，往往需要耗費人類專家數年的光陰。形式化（Formalization）——將人類的數學推論轉化為電腦證明助理（如 Lean）能夠逐行驗證的程式碼——可以徹底改變這一切。

上個月，Claude 完成了有史以來最著名定理之一：《費馬最後定理》的首個形式化證明。這是一項數學界原本預期需要數年才能完成的龐大工程，也是有史以來人類（與 AI）寫過規模最大的 Lean 證明。」
—— Anthropic 官方於社群平台 X（Twitter）發表之重大聲明

2026 年 9 月 4 日，AI 領域與純數學界迎來了一記震撼彈：Anthropic 正式發表了由其旗艦 AI 模型 Claude 歷時 11 天、完全透過電腦驗證的《費馬最後定理》（Fermat's Last Theorem, FLT）形式化證明。

整份證明總計超過 1,300 萬行 Lean 4 程式碼，中途證明了高達 29,500 個跨領域的中間引理與子定理，規模達到目前全球數學界最大開源定理庫 Mathlib 的 5 倍以上，並且完全通過了 Lean 核心編譯器的邏輯審查，未依賴任何未證明的假設（Zero Sorry）。

牽頭這項工程的，是任職於 Anthropic 且在哥倫比亞大學帶領研究團隊的學者彭天翼（Tianyi Peng），以及其研發的開源多 Agent 協同平台 Prove2Me。當代推動 Lean 形式化數學最核心的領軍人物、倫敦帝國學院（Imperial College London）教授 Kevin Buzzard 在審視該成果後直言：「這是一項非凡的自動形式化（Autoformalization）成就……證明了 AI 產出的形式化產物如今已足夠穩健，足以作為層層疊加的數學基石。」

這不僅僅是一次運算能力的展現，它標誌著人類科學可能正在跨越一個歷史性的轉折點：AI 不再只是幫數學家做數值計算，它開始具備徹底解決當代純數學「同行評審危機」（Referee Crisis）與「知識地基驗證」的能力。

本文將為你完整拆解這項劃時代的科學成果：從費馬 350 年前的空白筆記、安德魯·懷爾斯（Andrew Wiles）當年的世紀艱辛，到 Claude 如何在 11 天內完成人類專家預期耗時數年的史詩級任務。

快速重點摘要（TL;DR）

1. 核心突破：Claude 在開源數學形式化協同平台 Prove2Me 上，以幾乎全自主的方式耗時 11 天，完成了人類史上首個「費馬最後定理」的端到端電腦形式化證明（Machine-checked Proof），並已在 GitHub 全文開源。
2. 龐大規模：整份證明總計高達 1,300 萬行 Lean 4 代碼，是全球數學家數十年積累的 Mathlib 核心庫的 5 倍以上；在推導主定理的過程中，Claude 自行證明了 29,500 個中間定理，涵蓋代數幾何、調和分析與數論等多個過去從未被形式化的數學荒原。
3. 無漏洞驗證：證明嚴格遵循 Lean 系統的 3 項標準公理（命題外延性、商型別、選擇公理），沒有任何跳步或未經證明的宣稱（sorry），並透過官方比對工具（Comparator）確認其最終命題與數學界公認的標準形式完全吻合。
4. 技術關鍵 Prove2Me：單純讓 LLM 寫代碼在早期全部失敗（產生約 7% 的無效廢碼）；成功的關鍵在於哥倫比亞大學團隊研發的 Prove2Me 框架——透過**有向無環圖（DAG）**拆解定理依賴、**證明草圖（Proof-sketches）**將聲明與證明解耦，並利用自然語言索引讓數十個 Claude Agent 平行協同、彼此呼叫已有成果。
5. 平民化驗證實驗：除了消耗 60 億 Token 的費馬巨型工程外，研究人員僅用 3 個普通的 Claude Max 個人訂閱帳號，在短短 3 天內就自主形式化了「維諾格拉多夫三素數定理」（Vinogradov's Three Primes Theorem），證明平民算力也能參與高階數學驗證。
6. 客觀看待局限：這不是 AI 發明了全新數學，而是將人類現有的懷爾斯／DDT 證明轉譯為機器代碼；1,300 萬行代碼極度冗長，反映出當前 LLM 證明缺乏人類數學家的精煉與優雅重構能力。

為什麼形式化證明如此重要？從費馬邊頁到「數學審稿危機」

要理解 Anthropic 這項突破的分量，必須先釐清「寫在紙上的數學」與「電腦驗證的數學」究竟有何不同。

1. 費馬 358 年的世紀懸案與懷爾斯的驚魂修正

西元 1637 年前後，法國業餘數學家皮埃爾·德·費馬（Pierre de Fermat）在閱讀古希臘數學家丟番圖的《算術》時，於頁邊寫下了一段傳世名言：

「不可能將一個立方數寫成兩個立方數之和，或將一個四次方數寫成兩個四次方數之和；更一般地，任何高於二次的冪都不可能寫成兩個同次冪之和（即 $a^n + b^n = c^n$ 當 $n > 2$ 時無正整數解）。我發現了一個真正美妙的證明，但這裡的空白太窄，寫不下。」

這個看似簡單的直覺斷言，成為往後 358 年間全球頂尖數學家的夢魘。無數人前仆後繼試圖證明，卻接連受挫。1908 年，德國富商設立了高達 10 萬帝國馬克（相當於今日數百萬美元）的沃爾夫斯凱爾獎（Wolfskehl Prize），徵求正確的費馬證明；光是第一年，評委會就收到了多達 621 份充滿邏輯破綻的錯誤手稿。

直到 1993 年 6 月，英國數學家安德魯·懷爾斯（Andrew Wiles）在劍橋大學牛頓研究所連續舉辦三天講座，宣布藉由證明「谷山-志村猜想」的半穩定橢圓曲線部分，一併攻克了費馬最後定理。然而，當幾位審稿權威進入長達數月的逐行審核時，一個極為隱蔽卻致命的邏輯裂縫（Gap）被揭露出來。

懷爾斯隨後陷入了長達一年痛苦的孤軍奮戰，就在即將宣告放棄的邊緣，他與前學生理查·泰勒（Richard Taylor）聯手，奇蹟般地利用過去一度被放棄的歐拉系統修正了漏洞，終於在 1995 年 5 月正式發表長達 129 頁的完整證明。

這段歷史揭示了一個殘酷的事實：人類的大腦，即便是地表最聰明的數學家，在審核上百頁極端抽象的高階邏輯鏈條時，也極其容易出現盲點與疏漏。

2. 人類正在面臨「數學審稿危機」（The Referee Crisis）

現代高階數學的深度與跨度已經演化到常人難以企及的地步。一篇重大突破的論文，動輒引述跨越代數、幾何、分析與拓撲等不同分支的幾十篇前人成果。

現實中充斥著令人不安的審查案例：

• 克卜勒猜想（Kepler Conjecture）：數學家托馬斯·海爾斯（Thomas Hales）於 1998 年宣布證明了這個關於球體堆積密度的百年難題。然而，一個由 12 位頂尖專家組成的審查小組花了整整 4 年，最終只能給出「我們 99% 確定它是對的，但實在無法保證每一行都沒有計算瑕疵」的無奈結論。海爾斯為此發起 Flyspeck 專案，花了十餘年透過電腦形式化才徹底坐實。
• 龐加萊猜想（Poincaré Conjecture）：格里戈里·佩雷爾曼（Grigori Perelman）於 2002 年在 arXiv 貼出證明，全球數學界組織了三個獨立專家小組，各自撰寫了數百頁的導讀與填補細節，耗時近 4 年才達成共識。
• 弱哥德巴赫猜想（Weak Goldbach Conjecture）：哈拉爾德·赫爾夫戈特（Harald Helfgott）於 2013 年提出證明，時至今日仍處於漫長的人工審核與確認流程中。

論文中的隱形錯誤可能潛伏數年而不被察覺，一旦後續學者在此基礎上發展新理論，整座知識大廈便面臨坍塌的危險。這正是現代數學界日益嚴峻的「審稿危機」——數學證明的產出速度與複雜度，已經遠遠超越了人類肉眼同行評審的乘載極限。

3. 電腦證明助理 Lean：終極的邏輯天平

為了解決這個問題，電腦證明助理（Proof Assistants，如 Lean、Coq/Rocq、Isabelle）應運而生。

在 Lean 系統中，所有的數學定義、引理與推論都被嚴格表達為型別理論（Type Theory）中的型別與程式碼。人類作者不能使用「顯而易見」、「同理可得」或「由直覺可知」這種模糊詞彙；每一個推論步驟，都必須透過 Lean 核心編譯器（Kernel）在極端基礎的邏輯公理（如外延性、選擇公理等）下一一檢驗通過。

只要 Lean 編譯通過，該定理在邏輯上就是 100% 絕對正確，不再需要任何人為的主觀評審。

然而，「形式化」過去最大的詛咒是「極端耗時」。人類數學家需要耗費數個月甚至數年，才能將紙上一頁看似理所當然的推導，翻譯成數萬行電腦能懂的機器邏輯。2024 年由倫敦帝國學院 Kevin Buzzard 教授發起的「社群形式化費馬最後定理」計畫，光是梳理前置作業的技術藍圖（Blueprint）就寫了 86 頁，預計需要全球數學社群通力合作數年才能完成。

直到 Anthropic 的多 Agent 團隊闖入這個戰場。

Claude 如何在 11 天內改寫歷史？Prove2Me 架構全解析

Anthropic 的研究員彭天翼（Tianyi Peng）過去在大學時期就曾深刻體會過證明的痛苦：當年其導師希望能將他的畢業論文成果納入《Nature》發表，問他是否 100% 確定證明毫無差錯。彭天翼坦誠回答：「我 99% 肯定，但面對這麼長的證明，沒有人能 100% 絕對把握。」最終這項成果錯失了登頂頂級期刊的機會。這段經歷讓他決心探索如何用 AI 實現規模化的自動形式化證明。

1. 為什麼早期的 AI 形式化完全行不通？

在實驗初期，Anthropic 嘗試讓多個 Claude Agent 像人類工程師一樣直接編寫 Lean 代碼。結果迅速遭遇崩潰：

• 上下文遺忘與退化：單一 Agent 隨著推導步驟增加，上下文窗口很快被海量符號填滿，無法有效追蹤全域的定理狀態。
• 無效重複推導：Agent 之間無法有效溝通，經常重複證明相同或等價的引理，甚至各執一詞。
• 7% 的殘骸廢碼：在早期缺乏有效調度架構的情況下，大量 Agent 陷入邏輯死胡同，產生的程式碼最終有約 7% 淪為無效廢棄內容。

2. 核心大腦：Prove2Me 協同平台的四大機制

轉折點發生在研究團隊切換至哥倫比亞大學團隊研發的開源平台 Prove2Me（論文已於 2026 年 8 月底刊登於 arXiv:2608.28433）。Prove2Me 為大規模多 Agent 合作量身打造了四大支柱：

① 有向無環圖（DAG）全域任務調度

Prove2Me 將浩瀚的證明任務拆解為成千上萬個節點組成的 DAG。每個節點代表一個明確的定理陳述。數十個 Claude Agent 隨時可以查閱這張全域地圖，明白當前哪些前置定理已經被證明，並自動認領下游未被攻克的節點。這徹底解決了 Agent 記憶喪失與任務衝突的問題。

② 證明草圖（Proof-sketches）與解耦架構

在傳統 Lean 工程中，編譯依賴往往牽一髮而動全身。Prove2Me 採用了「聲明與證明分離」策略：

• 聲明（Statement）：允許 Agent 先引用尚未被證明的子引理，建立整體的「推導骨架」（Proof-sketch）。
• 證明（Proof）：其他 Agent 同步針對這些子引理進行獨立攻堅。 這種模組化設計大幅降低了 Lean 編譯器的資源消耗，並允許成倍擴展平行處理的吞吐量。

③ 自然語言語意搜尋與代碼復用

為了避免 Agent 重複發明輪子，Prove2Me 維護了一個自然語言與數學語意索引庫。當某個 Agent 需要一個代數變換引理時，可以直接用自然語言搜尋：「尋找特定模形式下的伽羅瓦表示性質」，系統會即時檢索其他 Agent 已經證明通過的 Lean 函式庫，大幅精簡了整體推導路徑。

④ Claude Code 多 Agent 執行環境（Harness）

整個推導叢集基於 Claude Code 架構運行，底層模型為 Anthropic 內部研發的通用研究模型（能力大致對標 Claude Fable 5.1）。推導過程共消耗了約 60 億（6 Billion）Output Tokens。

人類專家的干預極其稀疏，僅在關鍵節點由彭天翼給予少數戰略性提示，例如：「把雅可比簇視為概型（Jacobian as a scheme）看起來優先度很高」、「盡快推動 Mazur 定理的證明」。

3. 歷史時刻：2026 年 8 月 18 日的「PROVED」

根據 Anthropic 公布的內部日誌，在經歷了 11 天不分晝夜的高併發推導後，系統於美東時間 2026 年 8 月 17 日晚間 10 點（UTC 時間 8 月 18 日凌晨 2 點）迎來了關鍵突破：

“🏁🏁🏁 The FLT root reads PROVED on prove2me at 02:00:57Z Aug-18. Historic moment for this campaign.”
“R = T closed and cascaded to the root. This is the campaign's goal: e2e FLT on prove2me.”
（Prove2Me 平台上的費馬最後定理根節點於 8 月 18 日 02:00:57Z 顯示為 PROVED。R=T 閉環並級聯回傳至根節點。端到端費馬證明目標達成。）

Claude 遵循的是由當代數學家達蒙（Henri Darmon）、戴蒙德（Fred Diamond）與泰勒（Richard Taylor）所整理的懷爾斯證明精簡體系（簡稱 DDT 路線）。在最終收斂的證明中，Claude 總計證明了 29,500 個中間定理，代碼量高達 1,300 萬行，宣告人類史上最艱澀的數學豐碑之一，首度被機器完整吸收並確認無誤。

數據解密：1300 萬行代碼背後代表什麼？

為了讓讀者對這項工程有更具體的認知，我們將 Claude 的證明與現有數學代碼庫進行對比：

代碼是 Mathlib 的 5 倍，這代表什麼？

這項數據反映了當前 AI 形式化的一體兩面：

• 正面意義：Claude 在沒有現成庫存工具支援的數學「無人區」，以強大的推導力量一口氣自行開鑿出了數以萬計的基礎引理，涵蓋了代數、調和分析、幾何與數論。
• 冷靜反思（冗餘問題）：Mathlib 之所以精簡，是因為人類數學家在代碼合併時會進行精妙的「重構」（Refactoring）與抽象化，找出最優、最短的路徑。而 Claude 的 1,300 萬行代碼雖然邏輯 100% 嚴謹，但充滿了暴力展開與重複模組。Anthropic 官方也坦承：「這份證明很可能比它實際所需的長度要臃腫得多。」

數學界權威如何評價？「審稿危機」的解藥現身

這項成果公布後，引發了全球純數學界與計算機科學界的強烈共鳴。

1. Kevin Buzzard 的高度背書

作為推動全球數學形式化最重要的意見領袖，倫敦帝國學院的 Kevin Buzzard 教授親自審閱了這份代碼，並給出了極具份量的評價：

「這項非凡的自動形式化成就證明了：在除了數學基本公理之外不做任何額外假設的前提下，費馬最後定理被正式攻克。沿途我們看到了代數、調和分析、幾何與數論的全面自動形式化；我們從中認識到，AI 自動形式化的產物如今已經足夠強大，足以被層層疊加、構建於其上。

如果費馬最後定理的自動形式化在今天都能實現，這意味著我們朝著『現代數學文獻全自動形式化』邁出了決定性的一大步。這將孕育出全新的工具，剔除現存數學知識體系中的錯誤，大幅減輕論文審稿人的重擔。」

2. 人類如何信任 AI 產出的科學？

過去兩年，隨著大語言模型在數學與代碼領域的飛速進展，學界始終充斥著疑慮：如果 AI 給出了一篇幾百頁、充滿奇異符號與非人類思維路徑的數學論文，誰敢保證它是對的？

今年 7 月，Claude Fable 5 曾針對長達百年的「雅可比猜想」（Jacobian Conjecture）提出了一個反例，震動學界；5 月 OpenAI 的 Sol 模型也曾針對埃爾多斯（Erdős）單位距離猜想進行攻防。然而，每一次 AI 的新發現，都伴隨著人類專家極其耗時費力的肉眼覆核。

Anthropic 此次展示的並非「AI 發明新數學」，而是「AI 自行提供不可辯駁的邏輯驗證」。正如 Anthropic 在研究日誌中所言：

「未來，任何由 AI 產生的數學成果，最合理的標準流程就是在發布人類可讀論文的同時，同步附上一份電腦可完全驗證的形式化 Lean 代碼。雖然形式化代碼無法取代人類對直覺理解的渴求，但這或許是數學界能夠跟上 AI 產出爆發速度的唯一可行途徑。」

3. 平民化實驗：3 個個人訂閱帳號，3 天攻克質數定理

許多人直覺認為，這種規模的突破必然是科技巨頭耗費數百萬美元算力的特權。然而 Anthropic 研究團隊透露了一個引人注目的對照組實驗：

研究人員使用 3 個普通的個人版 Claude Max 訂閱帳號，在沒有特殊內部特權的情況下，讓 Agent 透過 Prove2Me 平台協同工作。短短 3 天內，這 3 個平民 Agent 就成功完成了「維諾格拉多夫三素數定理」（Vinogradov's Three Primes Theorem）的完整形式化證明。

這證明了一旦擁有適當的多 Agent 協同架構（Scaffolding），即使是個人學者或中小型實驗室，使用消費級的 AI 訂閱服務，也完全有能力參與人類頂尖數學難題的形式化重構。

深度剖析：這項突破是 AGI 的里程碑嗎？還是被誇大了？

作為客觀的科技產業觀察者，我們既要為這項工程奇蹟喝采，也必須保持清醒的理性，分清「神話」與「現實」。

1. 它證明了什麼？

• 長程邏輯鏈條的穩定性：過去大模型最常被詬病「超過 10 步推導就開始胡言亂語」。Prove2Me 與 Claude 的結合證明，透過模組化解耦、DAG 圖譜導航與精準工具反饋（Lean Kernel），AI Agent 能夠在數萬個步驟的龐大知識網絡中維持長達 11 天的高度邏輯一致性。
• 跨學科知識的自主調用：證明費馬最後定理不是單一公式運算，它需要橫跨代數幾何、橢圓曲線、模形式與李代數等極其深奧的領域。AI 展現了驚人的跨領域知識串接能力。

2. 它沒有證明什麼？

• AI 尚未獨立構思出超越人類的頂級數學證明：這次 Claude 的成功，是建立在安德魯·懷爾斯、理查·泰勒以及 Darmon-Diamond-Taylor 已經鋪好的人類智慧高鐵路線上。AI 扮演的是「終極嚴謹的施工隊」，把人類草圖中的每一寸螺絲、每一根枕木用機器代碼釘死，而非自己開拓出這條鐵路。
• 代碼膨脹與優化缺失：1,300 萬行代碼顯示 AI 目前仍缺乏「數學美感」——人類數學家追求的是像歐幾里得或歐拉那樣優雅、簡練、富含洞察的表達，而 AI 則傾向使用大量的引理暴力推演。如何讓 AI 學會「重構與化簡」，是下一階段的關鍵課題。

常見問題（FAQ）

Q1：什麼是《費馬最後定理》？為什麼它這麼難？

費馬最後定理指出：當整數 $n > 2$ 時，方程式 $a^n + b^n = c^n$ 沒有任何正整數解（$a, b, c > 0$）。當 $n = 2$ 時，就是我們國中學過的畢氏定理（勾股定理，如 $3^2 + 4^2 = 5^2$），有無窮多組解；但只要次方大於 2，解就徹底消失。這個問題困擾了人類長達 358 年，直到 1995 年懷爾斯動用了 20 世紀最深奧的現代代數幾何工具才得以證明。

Q2：什麼是「形式化證明」（Formalization）？和一般的數學證明有何不同？

一般的數學證明是寫給人類讀者看的，內容會省略大量被視為「顯而易見」的中間步驟，依賴人類的專業直覺與常識。而形式化證明則是將推導過程翻譯為嚴格的程式語言（如 Lean 4），每一個最微小的推論都必須落實為型別系統的邏輯檢查，由電腦編譯器演算法逐行驗證。只要編譯成功，就不存在任何人為疏忽、漏洞或認知偏見的空間。

Q3：Claude 是發現了新的證明方法，還是把懷爾斯的證明抄了一遍？

它並非抄襲，而是「重構與翻譯」。Claude 遵循的是當代數學家 Darmon, Diamond, Taylor 所發表的懷爾斯簡化路線。然而，將人類一篇 100 多頁的高階論文轉譯為 1,300 萬行無漏洞的 Lean 代碼，難度極高——AI 必須在沒有現成庫存的情況下，自行構建並證明多達 29,500 個中間引理，填補人類論文中所有省略的邏輯斷層。

Q4：一般人或大學研究員現在也能用這套工具嗎？

可以。Prove2Me 是一套開放協同平台（相關論文刊登於 arXiv:2608.28433），而 Anthropic 的完整費馬證明代碼也已經在 GitHub 上的 anthropics/fermats-last-theorem 完全開源。Anthropic 近期亦擴大了對純數學研究人員的支援計畫與 API 補助，推動學界使用個人版訂閱或 API 參與大規模數學形式化。

結語：當數學大廈終於有了堅不可摧的地基

在過去的三百多年裡，數學家們依靠著對同儕智力的信任、無數杯咖啡，以及在黑板前熬夜審查的肉眼，艱難地堆砌著人類的純智力聖殿。然而，隨著知識體系日益龐大，這種純靠肉身維護的地基，正不可避免地面臨崩裂與審查超載的風險。

Anthropic 與 Claude 的這項成就，給了我們一個極具希望的答案：AI 的終極價值，或許不只是幫人類寫行銷文案、生成圖片，或是在聊天框中給出似是而非的解答；它更可以成為人類理性思考最嚴格的把關者、最不知疲倦的築基者。

當 1,300 萬行 Lean 代碼在終端機中悄然編譯通過，那顆困擾了人類三個半世紀的費馬難題，終於在矽基晶片的極致邏輯中，被鑄成了一枚永不褪色的純金勳章。

資料來源

1. Anthropic 官方研究發布：
   • Anthropic Research: Formalizing Fermat's Last Theorem (2026-09-04)
   • Anthropic 官方 X 公告與討論串 (2026-09-04)
   • GitHub 開源倉庫：anthropics/fermats-last-theorem
2. Prove2Me 學術論文與開源平台：
   • Chen, S., Marwaha, K., Lu, X., Yuen, H., & Peng, T. (2026). Prove2Me: An open collaborative platform for scaling math formalization. arXiv:2608.28433. https://doi.org/10.48550/arXiv.2608.28433
   • Prove2Me 官方協同平台
3. 相關數學背景與社群專案：
   • Kevin Buzzard / Imperial College London: Formalising Fermat's Last Theorem Project & Blueprint
   • Henri Darmon, Fred Diamond, Richard Taylor: Fermat's Last Theorem (DDT Paper)
   • Lean Community: Mathlib Documentation and FRO
   • Thomas Hales: Flyspeck Project (Formalizing Kepler Conjecture)