Claude × 费马大定理：11 天、约 1300 万行 Lean 的端到端形式化

11 天、约 1300 万行 Lean、全程 无 sorry——一个能力近似 Claude Fable 5.1 的变体，把费马大定理（FLT）推进到首个端到端、可由计算机逐项检查的完整形式化版本。真正改写节奏的，往往不是「又一个会写证明的聊天模型」，而是 Prove2Me 把数万引理拆成可调度的依赖图之后，机器终于能在工业规模上自己排队、自证、回滚。这是验证基建故事，不是新数学发现故事。

一、端到端意味着什么

项目在 Lean 3 标准公理体系下运行：主证明调用约 29,500 个中间定理，过程中实际证出约 30,300 条；模型累计输出约 60 亿 token。所谓端到端，指定义、引理、代数与数论工具直到最终定理实例化，都能交给编译器核验——不是把自然语言证明交给模型打分。Kevin Buzzard 一侧确认：代码可编译，形式化陈述与 Mathlib 中 FLT 声明经比对器匹配；最终体量超过约 1340 万行，在 96 核机器上的编译时间约达 Mathlib 的 20×。里程碑成立在「机器可复查」，不成立在「读懂了人类从未读懂的新结构」。

二、Wiles 遗产：纸面证明的验证税

1993 年 Andrew Wiles 宣布证明 FLT，审查暴露缺口后，1994 年与 Richard Taylor 补成 Wiles–Taylor–Wiles 路线。纸面论证缠绕椭圆曲线、模形式、伽罗瓦表示、变形环与 Hecke 代数；任何符号约定或引用链遗漏，都会让读者重翻数百页背景。共同体可用声誉与长期讨论消化风险，机器检查却要求每个类型、实例与依赖显式落地。Buzzard 曾获英国 EPSRC 约 £100 万、规划约 5 年推进形式化——与 11 天自动跑通形成量级反差。路径选择也暴露自动化的实用主义：系统跟随 Darmon–Diamond–Taylor 对 Wiles–Taylor–Wiles 的阐释，而不是 Buzzard 更偏爱的现代 Khare–Wintenberger 路线；文献完备、可拆分，往往比「理论上更现代」更重要。

三、Prove2Me：失败教出来的调度器

早期协作实验并不顺利：缺少全局调度时，子目标互相阻塞、循环依赖把进度咬死。Prove2Me 把证明写成 DAG——节点是待证命题，边是依赖——再按拓扑序驱动模型优先填前置。最终产物里仍残留约 7% 失败行痕迹，说明「大规模自主」不等于「过程干净如手写教材」。机制价值在于把数学依赖翻译成可计算的队列：能重试、能隔离、能度量阻塞点。同框架的小实验也给出迁移信号：Max-plan 上用约 3 天经 Prove2Me 形式化维诺格拉多夫三素数定理，提示这套编排不只服务 FLT 这一次公关时刻。

四、产业含义：审稿与可复现的新成本曲线

若人工形式化要以百万英镑与多年团队为计量单位，而自动形式化能在两周量级吞下同阶任务，期刊、研讨班与资助方会重新定价「高风险长证明」的复查方式。方向不是让模型取代直觉与猜想，而是接管机械却高精度的链条检查，把数学家时间挤回定义问题与寻找策略。下游还会溢出训练语料：大规模、可编译、带依赖图的证明库，比论坛上的正确率截图更干净。对公司研究团队，FLT 案例更像一份「编排系统 + 强模型 + 成熟库」的集成样板——缺任一环，11 天故事都会塌成演示视频。

五、边界：不是黎曼，也不是零错误神话

这份工作几乎不贡献新数学见解；它与「用 AI 冲击未解猜想」不是同一赛道。它也不自动保证绝对正确：可靠性仍叠在 Lean 公理、内核与编译器假设上；无 sorry 只说明没有显式空洞，不说明人类审读已无必要。时间压缩展示的是执行效率：路径清楚、文献齐、工具链成熟时，大模型擅长按蓝图施工；从猜想到策略的发现周期，并没有被这 1300 万行取消。把 buzz 读成「数学已被 AI 结束」会误导下一笔预算。

六、克制判断

可核对的前进是：端到端 FLT 形式化从稀缺专家工程，变成可按周计的计算任务；Prove2Me 一类调度把协作失败变成可迭代的系统问题。仍应保持冷：数学增量有限、路径依赖既有阐释、编译成本本身就是新瓶颈（20× Mathlib 不是细节）。下一拍更值得看的，是自动形式化能否进入日常论文附件、资助评审是否开始要求机器可检版本，以及编排系统能不能从「验证已知巨证明」走到「参与策略搜索」。11 天改写的是验证基建的产能曲线，不是费马之后三百年的创造逻辑。