GPT-5.6 Sol Ultra 一小时证明 50 年图论猜想 ——「64 subagent + 数学耐心」的范式突破

> 事件时间:2026-07-10(OpenAI 宣布)/ 2026-07-11 论文上线 / 2026-07-12(aihot 收录) > 来源:IT之家汇总 + Hacker News > aihot 评分:84 分(最高) > aihot 链接:https://aihot.virxact.com/items/cmrfdbe4g016aihxb8btg5nu0 > 原文链接:https://www.ithome.com/0/975/646.htm

事件内容

2026 年 7 月 10 日,OpenAI 宣布其 GPT-5.6 Sol Ultra 模型在不到一小时内,生成了图论难题「循环双覆盖猜想」(Cycle Double Cover Conjecture)的完整证明。

这一猜想由数学家 George Szekeres(1973)、Paul Seymour(1979)分别独立提出,悬而未决 50 多年。它的标准陈述是:对于任意无桥图(bridgeless graph),是否都存在一组循环(cycle),使得图中的每一条边都恰好出现在两个循环中?

OpenAI 给出的关键数据:

– 模型调用了 64 个并行子智能体(subagents)和若干对抗智能体(Adversarial Agents); – 原始预留计算时间 8 小时,实际只用了约 1 小时; – 整套数学证明完全由 AI 独立完成,OpenAI 把证明 PDF 和提示词一同发布到公司 CDN; – 计算资源成本按 OpenAI 官方 Sol 定价约 275 – 485 美元(约 1867 – 3293 元人民币),如果用 Cerebras 平台跑则最高可能达 1.3 万美元。

证明的关键技术步骤:

1. 将原猜想归约为三次图(Cubic Graph)问题; 2. 利用 8-流定理(8-flow theorem); 3. 通过 GF(3)(三元有限域)上的线性代数构造边标记(Edge Labeling); 4. 最终证明每条边都能够恰好属于两个环。

OpenAI 研究员 Ethan Knight 在 X 上宣布了成果:「昨天,我们正式向所有用户开放 GPT-5.6 Sol Ultra。今天,我们分享一个消息:它利用 64 个子智能体,在不到一小时内证明了已有 50 年历史的循环双覆盖猜想。」

英国曼彻斯特大学数学家 Thomas Bloom 是最早公开评价的学者之一。他的原话是:「这是一个非常漂亮的证明。」「简洁、基础、使用的方法并不复杂;如果当年有人想到,20 世纪 80 年代就有可能完成这一证明。」他还点出 AI 的核心优势:「不断尝试各种细微变化时具有远超人类的耐心。」

深度剖析

这件事的工程含义,我认为比 DeepMind 2023 年解决 Cap Set Problem、AlphaProof 在 IMO 上的成绩都更重要——它是「LLM 独立证明维基百科未解决数学难题列表中的题目」的第一次实证。

为什么说是「独立」而不是「协助」?此前 DeepMind 的 Cap Set Problem 是 AI 与人类数学家共同迭代的成果,AlphaProof 在 IMO 上也是「AI 解题 + 人类 prompt 工程」的产物。而 OpenAI 这次公开的提示词非常硬核:

– 最多同时调用 64 个并行子智能体; – 动态管理各智能体的工作内容; – 早期阶段保持研究路线多样性,让不同智能体分别尝试不同数学表示方法、代数思路、结构归纳; – 同时安排专门的「对抗智能体」(Adversarial Agents),负责寻找漏洞、边界情况以及潜在错误。 – 禁止联网搜索资料; – 拒绝仅证明特殊情况或不完整证明; – 必须通过对抗式验证,检查常见数学错误。

这些要求中的每一条,都是一个「AI 推理工程」的范式标志。拆解一下:

标志 1:64 个 subagent 的「并行 + 多样性」探索。 这其实就是 AI Coding 圈一直提的「multi-agent in parallel」(6-19 字节洪定坤、7-07 字节四种 Agent 循环等),但用在数学证明里,等于把「代码 IDE 里的多 Agent 协作」直接复制到「数学家的多思路探索」。这是 2026 年 LLM 推理工程范式的「第一次公开 spec」。

标志 2:对抗智能体独立出来。 传统 AI 推理是「解 → 检查」两步,OpenAI 直接把「检查」拆成独立 Agent 专门找漏洞。这是 Adversarial Verification 工业化的首次公开案例。

标志 3:系统 prompt 里「禁止联网 / 拒绝仅证特殊情况 / 必须对抗式验证」三条硬约束。 这其实是 OpenAI 对「什么是 OpenAI 认为的优秀数学证明」的回答——多样性探索 + 反例排除 + 自洽验证。这套 spec 完全可以被任何下游 AI 数学工作流复用。

标志 4:8 小时预算 1 小时完成。 系统留足预算是 AI 推理的工程常态,但 1/8 的实际利用率,意味着 OpenAI 对自己模型的推理「上界」有较准的工程预估——8 小时不是「随便给的」,而是从过去类似任务里估算的中位数的 4-8 倍。

更深一层的判断:Thomas Bloom 说的「如果当年有人想到,20 世纪 80 年代就有可能完成」是关键洞察——这意味着 50 年没人做出来的原因,不是「数学难度」,而是「思路多样性 + 验证耐心」。AI 推理的核心创新,不是「新数学思想」,而是「在已有经典工具组合里做穷举式试探」。这是 AI 推理工程范式的「底层真相」。

值得关注的原因

这件事之所以重要,是因为它在 4 个层面同步打开了边界:

层面一:从「AI 协助解题」到「AI 独立证明维基百科未解难题」。 这是 LLM 推理能力的「X 时刻」。数学家花了 50 年没证明,AI 用 1 小时证明——这件事的传媒效应 + 技术效应叠加,会直接拉动 AI 推理赛道在 2026 下半年的投资热度。

层面二:从「单模型推理」到「multi-agent 推理工程」是 LLM 推理的下一个标准范式。 64 个 subagent + 对抗智能体 + 拒绝仅证特殊情况,这套 OpenAI 公开的 spec,基本可以视为任何想要「严肃数学 / 严肃科学 AI 推理」的团队「入门模板」。OpenRouter、Groq、Cerebras 这些推理平台,未来一年大概率会出现「multi-agent reasoning as a service」的服务化产品。

层面三:从「数学发现」到「数学发现的工业化」。 50 年悬而未决的猜想,被「经典数学工具组合」破解,意味着未来数学领域会有大量「老问题 + 老工具组合 → AI 重新尝试 → 突然解决」的事情发生。这对数学界来说不是威胁,而是「数学发现的工业化曙光」——AI 让数学发现的速度变得可控。

层面四:从「模型定价」到「推理定价」的真实成本首次公开。 275 – 485 美元的 Sol 官方价格,意味着这次「50 年难题」的证明成本只相当于一份 AWS Lambda 函数调用账单。AI 推理「研究级别」的成本被 OpenAI 拉到 4 位数美元——这是 AI for Science 「全民化」的真正起点。

风险与待观察

但我也必须警惕几个不确性:

风险一:未经同行评审 + 没引用文献 + 没用形式化工具验证。 这是 OpenAI 主动公开的关键细节。历史上 arXiv 上多次「循环双覆盖猜想证明」最终被证伪;这次 Bloom 称「漂亮」但他同时承认「没引用 Bermond/Jackson/Jaeger 1983 的经典论文」。数学界预计数天到数周内完成逐行审查。如果发现实质性错误,这就是一个对 OpenAI 的「技术信任」打击。

风险二:AI 在「数学」上的「不断尝试细微变化」能力是否真强过数学家? Bloom 说「人类数学家通常会尝试一种自然方法,如果失败了很可能就会放弃」——这是对人类数学家的真实写照,但也可能是「次数不够多」的问题。一支 64 人的数学家团队,每人花 1 周尝试不同思路,大致等价于 64 subagent × 1 周 = AI 的推理预算。AI 的真正优势可能不是「超越单个数学家」,而是「团队级数学研究的仿真」。

风险三:成本结构对比不公平。 275 – 485 美元是 OpenAI 官方价,Cerebras 平台上同样任务最高 1.3 万美元——这意味着 AI 推理成本严重依赖「在哪跑」。对一般研究机构 / 中学 / 个人数学爱好者来说,「Claude Sonnet 5 跑通 50 年猜想」的成本依然在 1000-10000 美元区间,不是「零门槛」。

风险四:这是「工具组合」的胜利,不是「方法论」的胜利。 Bloom 已经说得很清楚:80 年代数学工具组合就能做出来。AI 没有创造新的数学理论,只是把已有数学工具做了排列组合。这意味着真正最难的「千禧年问题」(P vs NP、Riemann 假设)依然要靠新思想,而不是 AI 的「耐心」。

最后,这条事件最值得记住的不是「AI 50 分钟证明 50 年猜想」,而是 OpenAI 把 prompt 也公开了——这套 spec 公开后,Anysphere、Cognition、Anthropic、xAI、DeepMind、智谱 AI、月之暗面都会快速跟进。multi-agent 推理工程范式,从此有了「入门模板」。