First Proof 数学评测显示前沿闭源模型与开放权重模型差距巨大

First Proof 数学推理评测发布第三批测试结果，结合 GPT 6 Astra 等多智能体的 ProofCouncil 解决了 10 道前沿数学研究命题中的 9 道，而顶尖开放权重模型 Kimi K3 解出 0 道。该测试由多位数学家设计并采用模拟同行评审打分，结果表明商业前沿模型在严谨数学证明上的能力提升迅速，而开放权重模型在数学研究任务上仍存在严重断层。