NEAR 使用 DeepSeek 完成了 600 題數學題，正在將鏈上程式碼審計推向“白菜價”

作者：長安，深潮 TechFlow

深潮導讀： 672 道北美頂級大學生數學競賽題，被 NEAR AI 團隊用 Agent 全部解出。總計花費約 111 美元，平均每題 0.17 美元。NEAR AI 團隊調用中國開源模型 DeepSeek V4 完成了這次測試。這並非單純的大模型智慧競賽，在算力帳單背後，是一門試圖將昂貴的智能合約「形式化驗證」平民化的基礎設施生意。

一份開源程式碼庫的測試資料，將大模型解題的成本底牌攤在檯面上。

最近，根據 NEAR Protocol 聯合創辦人 Alex Skidanov 及官方側公布的數據，NEAR AI 的 Agent 解決了 PutnamBench 上的全部 672 道數學難題。

給不熟悉的讀者科普一下，PutnamBench 並非普通的題庫，它是將北美頂級本科數學競賽（William Lowell Putnam）題目形式化而成的基準測試。

簡單來說，就是讓 AI 做嚴密的數學邏輯推導，看看能否自主解題。NEAR AI 完成全部解答，花費約 111.85 美元。平均下來，每道題的成本是 0.17 美元。

作為對比，其他拿到滿分的方案帳單要昂貴得多。

根據 MSBIntel 整理的數據，使用 OpenAI 的 GPT-5.6，單題平均成本高達 44.5 美元；使用 Anthropic 的 Claude Opus 5，每題也需要 3.52 美元。

在這個特定測試中，NEAR 採用 DeepSeek V4 的方案，將成本壓縮到了 GPT-5.6 的二百分之一。

公鏈解數學題，醉翁之意不在酒

公鏈團隊花力氣解數學題，指向的並非教育市場。

PutnamBench 測試的核心要求，是機器的可驗證性：AI 產出的不能只是一段文字答案，而是必須用 Lean 4（一種主流的證明助手語言）寫出嚴格的證明程式碼。

這些程式碼不能有語法漏洞，不能跳過推導步驟，必須被機器 100% 驗證通過。同時，這在計算機科學領域對應著一項關鍵技術，即形式化驗證。

而關聯到加密行業，智能合約承載著數億甚至上百億美元的資金。傳統的程式碼審計依賴人工尋找漏洞，而形式化驗證則是用嚴密的數學邏輯，一行行證明程式碼在所有可能狀態下都不會出錯。

長期以來，形式化驗證的致命缺點是貴且慢。它需要頂尖的安全專家和漫長的周期，通常只有資金雄厚的頂級項目才負擔得起。

NEAR AI 這次的測試，證明了用開源 AI 模型批次產生可靠數學證明的可行性，更驗證了其低成本。

鏈上安全的平民化基礎設施

將形式化驗證的門檻壓低至幾毛錢，這正是 NEAR 正在布局的實際業務。

目前，這套打通了 DeepSeek 和 Lean 4 的代碼已經完全開源。NEAR 官方公開的下一步方向，是直接將這套低成本工具應用於 NEAR Protocol 自身以及核心智能合約的安全驗證上。

因此，你可以把它理解成這是一場技術下放，或者更通俗地說就是項目方在做事，和 AI 敘事相關。

如果開源 AI 能夠穩定產出機器可驗證的代碼安全證明，代表未來的普通開發者和小型團隊，也可以在部署合約前，用幾毛錢的成本跑一次形式化驗證，降低智能合約出現問題的機率。

不過客觀來說，這與 NEAR 代幣的短期價格漲跌沒有直接關聯。但在公鏈生態的底層競爭中，用幾十美分去踩雷，遠比事後花上百萬補救更具真實的商業價值。