GPT-5.6 Sol Ultra一小时证出50年数学猜想，64个AI子代理搜出人类放弃的路径

7月10日，GPT-5.6 Sol Ultra全面开放的第二天，OpenAI研究员Ethan Knight在X上扔下了一颗炸弹：这个模型用64个并行子代理，在不到一小时内生成了Cycle Double Cover Conjecture的完整证明——一个悬置了50年的图论核心猜想。数学家Thomas Bloom逐行审读后给出了正面评价，但也留下了一句耐人寻味的判断："这个证明1980年代就该被发现了。"

64个子代理，一小时，一个50年悬案

7月10日晚，OpenAI研究员Ethan Knight发布了一条推文："昨天，我们让GPT-5.6 Sol Ultra全面可用。今天，我们分享它用64个子代理在不到一小时内产出了Cycle Double Cover Conjecture的证明。"

这条推文迅速刷屏——224万次查看，6,669个赞，520次转发。

不到两小时后，OpenAI总裁Greg Brockman亲自下场，向他的100万粉丝写道："50年的数学猜想被Sol Ultra解决了。越来越觉得，你能力的上限只是你的野心和想象力。"

Cycle Double Cover Conjecture由Szekeres于1973年、Seymour于1979年分别独立提出，是图论领域最著名的未解问题之一。它断言：任何一个无桥图都存在一组圈，使每条边恰好被其中两个圈覆盖。简单说，在任何不靠单一通道连接的网络中，你总能设计出一组环形线路，让每条路正好被两条线路经过——不多不少。

过去50年，它吸引了大量部分解和错误尝试，但始终无人给出完整证明。

"很漂亮的证明，1980年代就该被发现了"

最有分量也最微妙的反应来自曼彻斯特大学数学家Thomas Bloom。他在X上发布了一条16条推文组成的详细分析，开篇就是："A very nice proof！"

Bloom逐层拆解了证明的数学结构。核心思路是将猜想归约到立方图上的Fano流——一种取值为F₂³的处处非零流——这是1983年Bermond、Jackson和Jaeger那篇论文已经建立的桥梁。"这个联系一点都不新。"Bloom写道。

证明的关键突破在于一个"几乎自然"的边缘标记方案，加上一个出人意料的"扭转"：将三条边中的一条选为"特殊权重"，另两条清零。随后通过GF(3)上的线性代数验证一致性——整套论证不超过几十页。

"这是一份简短、初等、本可以在1980年代就被发现的证明，"Bloom写道，"那时人们正在探索这些Fano流及其推论。"

那为什么50年都没人找到？Bloom给出了一个让人警醒的回答：人类数学家在尝试了最自然的标记法、检查了线性代数、发现走不通之后，大概率会耸耸肩想"果然没那么容易"，然后放弃。而AI不会灰心——它只是不断尝试微小的变体，直到某一个恰好通过。

但Bloom也毫不客气地指出了一大缺陷：AI写出的证明完全不引用前人工作。整个证明中，Bermond、Jackson和Jaeger 1983年的奠基性论文没有被提及一次。"如果只读这篇AI论文，你可能会以为用F₂³流研究圈覆盖是全新的想法。"他写道，"这是AI生成证明和论文的一个顽固问题——它们使用文献中的想法和证明策略，却不做任何引用。"

一个属于GPT-5.6的疯狂发布周

这场数学突破并不是孤立事件，它发生在一个信息密度极高的发布窗口内。

7月9日，OpenAI正式向公众开放GPT-5.6系列——旗舰模型Sol、均衡型Terra和低成本Luna。官方推文获得了410万次查看和12,410个赞。在Agent's Last Exam上，Sol以53.6分碾压Claude Fable 5的40.5分，领先13.1分；在Terminal-Bench 2.1上，Sol Ultra以91.9%的准确率登顶；在Artificial Analysis Coding Agent Index上，Sol以80分领先Fable 5的77.2分，且仅用不到一半的输出token和约三分之一成本。

7月12日，Codex负责人Tibo宣布Codex活跃用户突破600万，同时临时取消Plus、Business和Pro计划的5小时使用限制。这条推文获得了370万次查看和24,000个赞。

将数学证明放在这个背景下看，它的确是新模型能力的理想展示——但也是精心编排的发布节奏的一部分。正如Bloom讽刺地指出的："在这个大AI公司砸大量时间和金钱同时攻击许多开放问题（当然只报告成功案例）的奇异新世界里，我们很快会发现更多人类手边的东西。"

事实上，这已经是OpenAI模型今年第二次震动数学界。5月，一个内部模型证伪了Erdős的单位距离猜想——同样是Bloom率先给予了严肃评价。

Prompt才是这场证明真正的总指挥

如果说Bloom看到了AI证明的数学内涵，那么OpenAI同步公开的prompt PDF则揭示了它实现的方法——这套提示词本身就是一份管理64个研究员的"实验室手册"。

Prompt首先堵死了模型的所有退路：它要求模型"假设完整证明存在"，禁止搜索互联网确认猜想是否已被解决，禁止回答"猜想仍是开放问题"。部分结果、特殊情形证明、归约到其他未证猜想、对研究现状的总结——全部被拒绝。模型不被允许返回任何不够完整的东西。

然后是子代理调度策略：64个代理被分配探索不同方向——不同的数学表述、代数视角、结构归纳、分解方案、流形式、嵌入、极值论证。"不要让大多数代理知道当前最看好的方案，"prompt写道，"在早期轮次中保持独立性，防止所有代理聚集到同一个看似漂亮但不完整的归约上。"

对抗代理被分配了明确的审计任务：检查每条边是否恰好被覆盖两次、闭合路径是否被误认为圈、平行边的2-圈处理是否正确、归约过程中是否意外引入了新桥。

模型被要求至少计算8小时才能考虑放弃。它在约一小时内就返回了答案。

这是一套为"机器耐心"设计的完美操作手册。Bloom的判断非常准确：如果你给64个代理分配了"找到一个符合这些性质的标记方案"的任务，并且解决方案确实存在，那么成功——某种意义上——是意料之中的。

而成本呢？按照Sol标准定价估算，这场证明的算力花费约在275到485美元之间。

AI做数学：耐心比天才更稀缺

Cycle Double Cover的突破，让"AI能否做真正的研究"这个辩论进入了一个新阶段——但它同时暴露了问题的复杂性。

一方面，这是首次由公开可用的大语言模型自主证明一个维基百科级别的未解数学猜想。与DeepMind此前在cap set问题和纽结理论上的工作不同——那些涉及大量人机协作——Sol Ultra的证明被OpenAI归因为模型本身，并附上了prompt和完整证明供任何人检验。

另一方面，Bloom的警示不容忽视。AI证明的是一类特定类型的猜想：那些不需要全新理论框架、只需要"已有成熟理论 + 大量耐心和信念"的问题。正如他所说，这"可能只占开放问题的一小部分，而我们事先并不知道是哪些。"

更深层的问题是归因。AI证明不引用文献，不仅是学术规范问题，更是一个罗生门：模型到底是独立发现了Fano流方法，还是吸收了1983年的那篇论文却不自知？OpenAI的prompt禁止了互联网搜索，但模型的训练数据中几乎肯定包含相关文献。

Codex用户突破600万，Sol Ultra在编程benchmark上全面领先——这一周的数据告诉世界，AI干活越来越强。但数学证明这个故事提醒我们，强和创造、搜索和发现之间的边界，比任何一个benchmark数字都更加模糊。

上限真的只剩想象力了吗？

Greg Brockman在转发Ethan Knight的推文时说了一句很能代表OpenAI当下信心的话："越来越觉得，你能力的上限只是你的野心和想象力。"

Bloom在分析末尾留下了另一句话："在这个奇异的新世界里，大AI公司同时攻击许多开放问题——当然只报告成功——我们很快会发现，什么是人类一直握在手里却从未捡起来的东西。"

两句话指向同一个现象的两面。AI确实在拓展边界，但它拓展的方式——大规模并行搜索、永不气馁的试错、在已有知识框架内的暴力探索——更像是一台巨型探照灯，而不是一颗新的北极星。一个50年的猜想倒下了，不是因为人类不够聪明，而是因为人类太容易放手。

本文基于公开来源编写，所有引述和数字均来自原始推文和官方文件。