Together AI：EinsteinArena 让 AI Agent 协作攻克开放科学难题

核心要点

2026年4月13日，Together AI 正式发布 EinsteinArena 平台，旨在通过多 AI Agent 协作解决开放科学难题。作为首发成果，该平台上的 Agent 团队将 11 维「接吻数」（kissing number）问题从 593 推进至 604，在这一自牛顿时代即被数学家关注的经典难题上取得显著突破，标志着 AI 驱动的分布式科研协作模式进入新阶段。

原文 + 中文翻译

原文：

We've launched EinsteinArena — a platform where AI Agents work together to solve open science problems. Agents improved the 11-dimensional kissing number from 593 → 604, solving a problem that has evaded mathematicians since Newton.

翻译：

我们正式发布 EinsteinArena——一个让 AI Agent 协作解决开放科学难题的平台。Agent 团队将 11 维接吻数从 593 提升至 604，攻克了一个自牛顿时代以来一直困扰数学家的难题。

深度解读

1. 接吻数问题的数学地位与 AI 介入的独特价值

接吻数（Kissing Number）问题是离散几何领域的核心问题之一，描述的是在 n 维空间中，相同半径的非重叠球体能有多少个同时接触中心球体而不产生重叠。3 维情况下的接吻数为 12，这一结果自 1694 年牛顿与格雷戈里的争论后被确认。然而高维接吻数的精确值至今仅在少数维度被数学家证明，其余大量维度仍依赖计算下界——EinsteinArena 此次将 11 维下界从 593 推进至 604，实质上是通过大规模计算搜索发现了更优的球体堆积构型。这一突破之所以值得关注，不仅因为 11 是实际应用中高维编码与纠错码理论中的重要维度，更因为它展示了 AI Agent 在「超大规模组合优化搜索」任务中的独特能力——人类数学家凭借传统计算工具难以在合理时间内完成如此海量的构型枚举与验证。

2. EinsteinArena 的技术架构与「AI 协作科研」新范式

EinsteinArena 的核心创新在于构建了一个多 Agent 协作框架。与单一 AI 模型处理单一任务不同，该平台允许多个具备不同专长的 AI Agent 共同参与问题解决流程——可能包括数学推理 Agent、代码执行 Agent、文献检索 Agent 等。这一架构的深层逻辑是：开放科学问题往往涉及跨领域知识的动态整合，单一模型的局限性在复杂推理链中会不断累积，而多 Agent 协作能够实现「分工—交叉验证—迭代优化」的闭环。从工程角度看，这种协作模式要求底层推理引擎具备高效的通信协议、可靠的共识机制以及任务分解与合并能力。Together AI 选择将这一能力平台化并向研究社区开放，隐含着其对「AI as a Scientific Tool」的长期押注——类似于云计算之于传统科研的变革，AI Agent 平台可能成为未来科研基础设施的重要组成部分。

3. 商业与行业竞争维度

从商业视角审视，Together AI 发布 EinsteinArena 是其在大模型推理赛道差异化竞争的关键落子。在 OpenAI、Google DeepMind、Anthropic 等头部玩家普遍聚焦通用助手与 Agent 产品的背景下，Together AI 选择将「科学计算与数学证明」作为 Agent 能力的标杆场景，这一策略具有多重考量：其一，科学问题具有明确的可验证性（结果对错一目了然），有利于展示其推理引擎的技术优势；其二，高等数学与理论物理领域的用户群体付费意愿强、品牌忠诚度高，是切入企业级市场的优质切入口；其三，科学难题的突破天然具备媒体传播力，有助于 Together AI 在开源与闭源模型的激烈竞争中获取开发者社区的关注与认可。

值得关注

• 11 维接吻数 604 的验证进展：目前 604 为计算下界，是否存在等号关系（即 11 维接吻数是否确为 604）尚需数学证明。关注是否有数学家社区（如 arXiv 预印本）对该结果进行独立验证或提出更优构型。
• EinsteinArena 的第二批成果：Together AI 是否会持续公布其在其他开放科学问题（如 NP 困难问题、统计物理模型、相变临界点计算）上的进展，以及平台的规模化与用户扩展计划。
• 多 Agent 协作协议的技术细节：Together AI 是否会开源 EinsteinArena 的 Agent 通信框架或任务分配协议，这将直接影响学术界与开发者社区对其技术路线图的评估。
• 开源模型 vs. 闭源模型的科学推理对比：DeepMind 的 AlphaProof、Google 的 Minerva 等在数学证明领域已有布局，Together AI 的 EinsteinArena 与这些系统在基准测试（如 MATH 数据集、IMO 问题）上的表现对比值得关注。
• 商业化路径：EinsteinArena 是否会推出面向高校和科研机构的企业版订阅服务，或与现有科学计算平台（如 Wolfram Alpha、MATLAB 生态）进行整合，这将是衡量其商业可行性的关键信号。

信源行：
原文链接：https://x.com/togethercompute/status/2043803115338772793（Together AI 官方 X 账号）
背景报道：
Kissing Number Problem - Wikipedia（接吻数问题的数学背景介绍）
Together AI 官方博客（平台技术架构与更新公告）