Claude 費馬最後定理形式化證明:11 天、1300 萬行 Lean,AI 到底做了什麼

最後更新日期：2026年10月09日

⚡ 站長快讀:核心重點

• 文章屬性:科技新聞評析
• 事件類型:研究成果發表(2026-09-04 公布,距今約 8 天)
• 核心結論:Claude 費馬最後定理形式化證明,突破在「驗證」不在「數學」——沒有想出新證法,而是把 Wiles 既有證明翻成 Lean 程式碼交給電腦逐行檢查,11 天完成原估十年的工程。
• 適用對象:關心 AI 能力邊界的讀者、開發者、需要判斷 AI 產出可信度的人。
• 查證基準:2026-09-12,依 Anthropic 官方研究頁與《Nature》交叉查證(非第一手實測)

📌 快速答案

一句話答案:Claude 費馬最後定理形式化證明,是把 Wiles 既有證明改寫成 Lean 程式碼並交由電腦逐步檢查,11 天完成、寫出 1,300 萬行,屬於驗證工程的突破,而非發現新數學。

📰 事件摘要

Anthropic 於 2026 年 9 月 4 日在官方研究頁公布:Claude 以大致自主的方式工作 11 天,產出費馬最後定理(Fermat’s Last Theorem,FLT)史上第一份端到端、可由電腦檢查的完整證明。

官方載明的數字是:過程中寫出 1,300 萬行 Lean 程式碼、證出 30,300 條中間定理(最終證明用到其中 29,500 條;此為官方公告時點的數字,GitHub 上的定理頁數其後仍可能微調),整份證明的規模是 Lean 社群主力數學庫 Mathlib 的 5 倍以上。專案由 Anthropic 研究員 Tianyi Peng 發起,他在哥倫比亞大學的團隊開發 AI 形式化工具。

成果已公開在 GitHub 上的 anthropics/fermats-last-theorem,並附證明走讀說明。帝國理工學院數學家 Kevin Buzzard 受邀審閱後表示,這份成果「除了數學公理之外沒有任何額外假設」,而且「AI 自動形式化的產出物已經穩固到可以被拿來往上疊」。

《Nature》在 9 月 7 日跟進報導,並補上一個關鍵對照:這個專案原本預估要人類花大約十年。

🔍 為什麼這件事重要?

先講結論:重要的不是「AI 會算數學了」,而是「人工審查」這個瓶頸第一次被具體撬開——而中文圈多數標題把它寫成「AI 證明了費馬最後定理」,方向剛好反了。

先把話講清楚:Claude 沒有想出新的證法。費馬最後定理在 1995 年就被 Andrew Wiles 證完了,Claude 這次做的是把那套人類寫給人類看的論證,翻譯成 Lean 這種證明輔助語言能逐步驗算的形式。Anthropic 官方在文章裡自己也強調,相較於近期 AI 在黎曼假設方向做出的是新數學,這次新的是驗證。

那為什麼還值得寫一篇?因為數學圈真正的痛點從來不是「有沒有人想得出來」,而是「想出來之後誰有空、誰有能力確認它是對的」。Wiles 那份 129 頁的證明,1993 年 6 月在三天連續講座上發表時被當成歷史時刻,兩個月後審查者問了一個問題,直接戳出關鍵缺口;Wiles 花了一年、最後找回前學生 Richard Taylor 一起,才在幾乎要放棄的時候補起來。Anthropic 官方另外舉了幾個同類例子:Hales 的克卜勒猜想證明審了四年,12 人審查小組最後只敢說「99% 確定」。

這種「審不完」的處境,在 AI 開始大量產出論證之後只會更糟。而形式化正好是把「相信一個人」換成「相信一套公理系統」——Lean 檢查通過就是通過,沒有模糊空間。對一般讀者來說,這件事跟你會不會用 AI 沒關係,跟你要不要相信 AI 給你的答案有關係;想先補一下 AI 為什麼會講錯話,可以看站內這篇 AI 幻覺為什麼發生?原理拆解+查證自保 5 招。

🧭 背景與脈絡

先講結論:這不是憑空冒出來的成果,而是踩在 Lean 社群十幾年鋪的路上;Anthropic 真正的貢獻是把「多代理協作」這件事做到不崩。

形式化 FLT 的念頭,在 Wiles 證完大約十年後由荷蘭電腦科學家 Jan Bergstra 提出。2024 年,Kevin Buzzard 在帝國理工啟動了一個多年期的社群專案,要用 Lean 把它做出來——光是描述初期階段的藍圖文件就有 86 頁。換句話說,這是一個社群已經動手、而且明知要做很久的工程。

Claude 第一輪其實是失敗的。官方寫得很直白:早期代理雖然有些進展,但很快就搞丟專案狀態、彼此不再有效協作,那些白工約佔最終證明中非樣板程式碼的 7%。轉機是改用 Prove2Me——由 Tianyi Peng 與哥倫比亞大學合作者設計的開放協作形式化平台,做三件事:維護一張定理陳述的有向無環圖(DAG)讓代理決定下一步該證什麼、把陳述與證明拆到不同檔案來加快 Lean 編譯、以及替每條定理維護自然語言描述讓代理能搜尋重用。

配上以 Claude Code 為基礎的多代理框架之後,一組代理在不到兩週內完成整份證明,消耗約 60 億個輸出 token,使用的是「大致相當於 Claude Fable 5.1」的內部通用研究模型——不是你現在打開 App 就能用的那一顆。人類這邊的數學輸入,官方說只限於 Tianyi 偶爾丟出的高階指示,例如「把 Jacobian 當成 scheme 來做,優先度高」。想了解這種一次派出大量子代理的作法,站內先前寫過 Claude Code Dynamic Workflows 教學。

值得一起看的還有幾天前的另一件事:AI 在數學上的宣稱正在變多,也開始出現爭議,可參考 AI 要聞彙整 2026-09-09:OpenAI 的千禧年難題證明掀爭議。兩件事放一起看,才看得出形式化為什麼是解方而不是又一個宣稱。

🗓️ 事件時間軸

📊 影響分析

對一般消費者的影響

先講結論:短期內完全不受影響,但這件事會慢慢改變「AI 說的話該信幾分」的行情。

你手上的 Claude、ChatGPT 不會因為這件事變強——用的是內部研究模型,不是消費端產品。真正會外溢的是觀念:當一份數學結果可以附上機器可驗證的證明,「有沒有形式化」就會變成新的信任標記,就像現在看到安裝檔會想確認數位簽章一樣。對非數學背景的人,現在該調整的只有一件事:看到「AI 證明了某某定理」的標題,先分清楚它是「想出新證法」還是「驗證既有證法」,這兩者難度與意義差很多。

對企業 / IT 部門的影響

先講結論:可借鏡的是流程設計,不是工具採購——目前沒有東西可以買。

這次成功的關鍵不在模型多聰明,而在 Prove2Me 提供的鷹架:用 DAG 管理任務狀態、拆檔降低編譯成本、用自然語言索引讓代理能找到並重用既有成果。這三件事對任何要讓多個 AI 代理長時間協作的團隊都成立——官方自己承認第一輪失敗正是因為代理「搞丟專案狀態」。要注意成本現實:60 億輸出 token 不是一般專案扛得起的量級,而且 Anthropic 在註腳裡明說,這份證明很可能比實際需要的長很多,1,300 萬行是規模不是品質指標。

對開發者 / 進階玩家的影響

先講結論:門檻降得比想像中快,而且已經有一個可複製的低成本樣本。

完整證明已在 GitHub 開放,Lean 與 Mathlib 本來就是開源的,想跟著讀是可行的。更值得注意的是官方順手提的另一個實驗:Anthropic 研究員用三個個人版 Claude Max 方案、完全透過 Prove2Me 協作,三天內完成了 Vinogradov 三素數定理的形式化。這才是真正的訊號——它說明用消費級訂閱做協作式形式化已經可行,不必等到有人開放 60 億 token 的預算。另外官方也觀察到,讓 Claude 寫 Lean 似乎會回過頭幫助它證出新結果,因為部分證明可以當成即時的自我檢查。

💡 總結:我的產業觀察

先把話說在前面:站長我沒有參與這個專案,手上也沒有 1,300 萬行 Lean 可以跑,所以這篇是 E3 深度查證,不是實測文。 下面是拿三十年在硬體與底層除錯打滾的視角來看這件事。

這則新聞的重點不在「AI 好厲害」,而在驗證這件事。以 Windows 底層除錯為例,找到可疑的 driver 之後,還得證明它真的是兇手——重現條件、隔離變因、排掉巧合,一輪一輪來。真正卡住進度的永遠是驗證,不是靈感。數學圈的處境幾乎一模一樣,只是尺度大很多:Wiles 那個缺口不是他不夠聰明,是人類審查本身就是有洞的流程,而那個洞要靠另一個人剛好問對問題才會露出來。

所以我看這則新聞的重點,會放在 Buzzard 那句「AI 自動形式化的產出物已經穩固到可以被拿來往上疊」。能被疊上去,才叫基礎建設。 一份跑得動但沒人敢引用的程式碼只是展示品;一份別人願意當地基的,才會真的改變一個領域的工作方式。評估一個工具成不成熟,也可以用類似的判準——不只看它跑起來多漂亮,也看有沒有人願意把產線壓在上面。

但也有幾個地方我會刻意踩煞車。第一,別把 1,300 萬行讀成效率指標。Anthropic 自己在註腳寫了,這份證明大概比需要的長很多;Mathlib 之所以只有五分之一,是因為它精簡而且被審過。行數在這裡是工作量,不是水準。第二,那個「十年 vs 11 天」的對照要小心讀——十年是社群專案的估計,前提是用人力一步一步推,而 Claude 是踩在 Mathlib、帝國理工 FLT 專案與 flt-regular 已經鋪好的地基上開工的。這是接力,不是獨走。

第三,也是我最在意的一點:這件事的價值不在「AI 會做數學」,而在「機器可以承擔一部分審查」。 前者是行銷語言,後者才是真的會改變產業的東西。順帶一提,這也是我覺得中文圈報導最容易翻車的地方——把「形式化」寫成「證明」只差兩個字,但意思差了一整個世代。

最後,可以把它延伸成一個判準:看到 AI 產出的技術結論時,有沒有可機器驗證的附件,可能會逐漸變成一個分水嶺。能自動跑、能重現、能被第三方檢查的,跟只有一段很順的文字說明,可信度不該是同一級。

✅ 接下來該做什麼?

• 現在:如果你會引用 AI 產出的技術或數學結論,先養成一個習慣——問「這個結論有沒有可獨立驗證的形式」。有 GitHub repo、有可重跑的檢查,跟只有一段敘述,要分開對待。
• 本週內:對 Lean 有興趣的人,直接從 GitHub 上的 anthropics/fermats-last-theorem 與官方提供的證明走讀開始,比讀二手報導有效率。
• 未來 30 天:觀察三件具體的事——①是否有第三方(非 Anthropic、非 Buzzard)獨立重跑並公開結果;②Prove2Me 的 arXiv 論文(arXiv:2608.28433)是否進入同儕審查;③是否出現第二個用消費級訂閱完成的大型形式化案例。這三項任一發生,才代表「可複製」從宣稱變成事實。
• 不建議做的事:不要現在就把「AI 已經能證明數學定理」寫進簡報或教材。目前成立的敘述是「AI 能把既有證明形式化到機器可檢查的程度」,兩者不能互換。

❓ 常見問題

Q:所以 AI 是不是自己證出了費馬最後定理?

不是。Claude 做的是把 Andrew Wiles 在 1995 年發表的既有證明(依 Darmon、Diamond、Taylor 的簡化版本)翻譯成 Lean 程式碼,讓電腦能逐步檢查每一個推論環節。新的是「驗證方式」,不是「數學內容」。

Q:跟 AI 做出新數學(例如黎曼假設方向)的成果差在哪?

Anthropic 官方自己做了這個區分:那類工作產出的是新數學,這次產出的是新驗證——把檢查證明變成像用計算機驗算一樣的動作。兩者難度性質不同,不能直接比較誰比較厲害。

Q:我用手上的 Claude 訂閱做得到嗎?

FLT 這個規模做不到——官方載明消耗約 60 億輸出 token,且用的是內部研究模型。但官方同時提到,研究員用三個個人版 Claude Max 方案、三天完成了 Vinogradov 三素數定理的形式化,規模較小的協作式形式化,消費級訂閱確實已經可行。

Q:這份證明可以信嗎?

證明本身由 Lean 檢查通過,只用到 Lean 的三條標準公理,並以一個 comparator 工具確認定理陳述與 Mathlib 自身的 FLT 陳述一致;Kevin Buzzard 也審閱過。以形式化的標準來說,這比人工審查更難出錯——但「Lean 通過」保證的是推論無誤,不保證這份寫法是最好或最短的。

🔗 延伸閱讀

• Constitutional AI(憲法式 AI)是什麼?Anthropic 怎麼讓 AI 自己審查、修正自己的回答
• Claude Academy 是什麼?Anthropic 官方學習資源解析
• Attention Mechanism(注意力機制)是什麼?AI 怎麼決定該「注意」哪些字才看得懂上下文
• Claude Code 資料視覺化教學:一鍵生成圖表
• AI 要聞彙整 2026-09-12:Claude 遭用於模擬攻台

📎 參考資料來源

📖 第一級|廠商官方:

• Formalizing Fermat’s Last Theorem(Anthropic 官方研究頁,2026-09-04) — 2026-09-12 查證
• anthropics/fermats-last-theorem(GitHub 完整證明與走讀) — 2026-09-12 查證
• Fermat’s Last Theorem 形式化專案(Lean 官方網站) — 2026-09-12 查證

📖 第二級|權威媒體與學術報導:

• Anthropic AI ‘formalizes’ proof of Fermat’s last theorem — a milestone for mathematics(Nature News,2026-09-07) — 2026-09-12 查證

📅 本文查證戳記:2026-09-12 評析撰寫。

下次建議複檢:2026-10-12(觀察是否出現第三方獨立重跑、Prove2Me 論文審查進度)