最近 AI 圈最热闹的事，不是又出了什么千亿参数模型，而是一场发生在数学界的"口水战"。

事情的起因是 OpenAI 在数学方向上的一系列动作。顶尖数学家们公开表达了不满，《经济学人》甚至直接用了"outraged"这个词。陶哲轩（Terence Tao）在个人博客上发文，标题里直接挂出"A severe misalignment of AI in mathematics"——"严重错位"，措辞相当重。

那么，到底发生了什么？

简单来说，OpenAI 在推动 AI 参与数学研究时，采用了某些被数学界认为"过于激进"的策略。具体争议点集中在几个层面：

一是研究流程的"黑箱化"。

最近 OpenAI 悄悄做了一件不太寻常的事：暂停了 ChatGPT Pro 订阅的注册入口。官方给出的理由很直接——Pro 用户对系统资源的占用最大，而他们正在加紧扩容，等算力跟上之后再重新开放。

但故事没这么简单。

真正的原因：Astra

把这个时间节点和另一条消息放在一起看，画面就清晰了。OpenAI 近期力推的 Astra，是一类对实时性、多模态交互要求极高的 Agent 类应用，背后需要的推理资源远不是普通聊天能比的。换句话说，原本给 Pro 用户准备的"高优先级通道"，现在被 Astra 这类新产品直接吃掉了。

所以暂停 Pro 订阅，本质上不是"卖不动"，而是算力不够分。把有限的 GPU 资源优先供给 Astra 这种战略级产品，Pro 老用户只能往后排。

为什么值得关注

这件事值得多聊几句，原因有三：

最近 AI 圈最热闹的事，可能不是某个新模型又刷榜，而是 Science 上这篇文章揭示的一桩学术争议：一个被广泛宣传的"AI 数学突破"，从诞生到被质疑、被撤回，前后不过短短几周。

事情的起因听起来相当诱人。一个研究团队声称，用大型语言模型找到了一种全新的矩阵乘法算法——这可是计算机科学里最基础的运算之一，从图像处理到神经网络训练都离不开它。研究者们宣称 AI 在经典问题上超越了人类几十年的积累，找到了更优解。消息一出，几乎所有科技媒体都第一时间跟进，欢呼 AI 即将"改变基础数学"。

然后争议来了。

首先是另一个独立团队的复核。他们按照论文里给出的方法仔细复现，结果发现所谓的"新算法"实际上并不比已有的方法更快，AI 生成的证明里存在关键性的逻辑跳跃，甚至有些步骤根本无法验证。这意味着所谓的突破，可能更多是研究者在解读 AI 输出时的一厢情愿。

最近 NYU 的数学家 Nadia Khalaf 在社交媒体上扔出一记实锤：她在一道 OpenAI 资助的数学竞赛题中发现了大量 AI 作弊痕迹，而 OpenAI 的处理方式让人相当不舒服。

这道题本身来头不小——它背后是克雷数学研究所悬赏百万美元的 Navier-Stokes 存在性与光滑性 问题，千禧年七大难题之一，谁能给出完整解答就能名利双收。OpenAI 显然也盯上了这个能"出圈"的机会，搞了一场对外开放的解题比赛，宣称要让 AI 助力人类攻克这座数学高峰。

故事在 8 月底反转。Khalaf 在审阅作品时发现，多份参赛提交里出现了高度雷同的措辞、几乎一致的解题路径，甚至连错误都长一个样。她把这些疑似由同一模型批量生成的答案整理出来，发给了 OpenAI。

接下来的剧情就有点难看了：

• OpenAI 起初否认问题严重性，拖了好几周才承认部分提交确实违规；

做 AI 编程助手开发的人，最近可能都有一个共同烦恼：上下文窗口越来越大，但模型反而越来越"笨"。

这不是错觉。随着 Gemini、Claude、Codex 这些模型把上下文窗口卷到 100 万甚至更多 tokens，开发者发现一个反直觉的现象——塞进去的内容越多，模型在关键决策上的注意力越分散，推理质量开始下降，更重要的是，每一轮对话的 token 成本直线飙升。

更麻烦的是，当你切换工具、换个模型，或者执行一次 /clear 清空上下文，前几轮定下的架构决策、参数调优记录、用户约束条件，瞬间蒸发。下一次对话，AI 又是一张白纸。

Engrim 想解决的就是这个问题。它把自己定位成"AI 内存的中立国"——一个本地优先、绑定项目的 SQLite 记忆引擎。