Google 智能体系统破纪录：解开高德纳猜想，从零手写 CPU 模拟器

如果把高难度的数学证明或底层硬件模拟交给单个大模型，它通常几分钟后就会开始胡言乱语。Google 给出的解法是让一队 AI 协同打持久战。

跑几天不掉线的 AI 团队

Google 在自家的 Antigravity 平台中升级了 Teamwork 框架，配合 Gemini 3.7 Flash 模型，让自主 AI 智能体团队能够分工协作、相互质询，并在数小时甚至数天的时间跨度里持续迭代。

拿出来的成绩相当硬核。在理论层面，这个多智能体系统一口气解决了 FOCS、JMLR 等顶级学术场景中的 7 个公开数学与理论计算机科学难题。其中包括知名的高德纳循环猜想（Knuth's Cycles Conjecture），并在 Lean 定理证明器中给出了超过 40 页的形式化机器证明。此外，它在 TCSBench 测试集上拿到了 71% 的成绩。

在底层系统工程上，这套多智能体团队从零写出了一个乱序执行的精确周期 RISC-V CPU 模拟器，能顺利把 xv6 操作系统启动到终端命令行，对齐真实硬件的周期误差只有 0.71%。它还向开源核心库 Eigen 和 ParlayHash 提交了被上游合并的优化代码，直接把 ParlayHash 的插入吞吐量拉高了一倍，内存占用压低了 25%。

为什么重要

我们认为，这次最有看点的地方不在于跑分，而在于 AI 终于开始啃那些需要极长逻辑链条的硬骨头。

无论是 Lean 里的形式化定理证明，还是精确到时钟周期的 CPU 模拟，中间容不得半点幻觉和逻辑跳跃。Google 没有硬拼更昂贵的超大模型，而是用响应迅速的 Flash 模型组成智能体群，用互相找茬和多天迭代来换取极高的可靠性。

看起来，这种长周期自主协同的模式一旦走通，受冲击最大的不仅是学术界的推导门槛，还包括底层软件、编译器和硬件验证等高度依赖高水平人力的工程领域。这也给其他团队提了个醒：把模型变大不是唯一出路，让模型学会长期分工质询，可能更管用。