据动察 Beating 监测，谷歌 DeepMind 发布 AI co-mathematician，一个供数学家使用的多 Agent 交互式研究工作台。该系统在目前最难的研究级数学基准 FrontierMath Tier 4 上拿下 47.9% 的正确率（解出 23/48 题），直接超过了此前最高纪录 GPT-5.5 Pro 的 39.6%。

这套系统没有用新一代底座，直接用的是 Gemini 3.1 Pro。这个模型自己裸跑 Tier 4 只有 19%，加了 Agent 框架后成绩翻倍还多。DeepMind 给它搭了一套多层架构：顶层一个「项目协调人」把研究任务拆分成多条工作流，往下分发给文献检索、写代码和负责推理的子 Agent。写出的证明还要过一轮由多个「审稿 Agent」组成的评审会，通过了才能提交。这套重脚手架证明了：在顶尖数学推理上，编排能压榨出的能力增量，可能比换代模型还要大。

盲测由 Epoch AI 执行，为了防止作弊，DeepMind 团队全程看不到题目，每道题允许跑 48 小时。结果不仅登顶，系统还解出了 3 道此前所有模型全军覆没的题。

虽然名叫副手，它更像是个会开脑洞的同事。群论专家 Marc Lackenby 在实际研究中用它解开了 Kourovka 笔记本里的一个公开猜想。有意思的是，系统最初给出的策略被它自己的审查 Agent 标为「有缺陷」，但 Lackenby 看出了废案里藏着的巧妙思路，自己补上缺口，最终完成了证明。

目前，AI co-mathematician 仅对少量数学家开放内测。