GPT-5.6 Sol Ultra 一小时证明 50 年数学猜想——子智能体并行推理架构深度解析

一、发生了什么？

7 月 10 日，GPT-5.6 全量上线。同一天，OpenAI 公布了一个更震撼的消息：

GPT-5.6 Sol Ultra 在不到 1 小时内，用 64 个并行子智能体，独立证明了图论领域悬而未决 50 多年的"循环双覆盖猜想"（Cycle Double Cover Conjecture）。

这是大型语言模型首次独立解决被列入维基百科"未解决数学问题"列表的重要难题。

成本约 275-485 美元（OpenAI 定价）。对比：如果让一个数学家年薪 20 万美元全职研究，50 年没证出来的问题，AI 花了不到 500 美元在一小时内解决了。

二、什么是"循环双覆盖猜想"？

图论中关于"桥"（bridge）的经典问题。简单说：任何一个没有桥的图，它的每条边是否都可以被两个不同的环覆盖？

这个猜想自 1970 年代提出以来，数学家们证明了大量特殊情况，但一直无法给出适用于所有无桥图的通用证明。

为什么难？ 因为需要同时处理指数级数量的可能环组合。人类数学家的证明思路是"逐步归约"，但通用情况下的归约路径一直没找到。

三、Sol Ultra 是怎么做的？

3.1 核心架构：64 个子智能体并行

主 Agent（Sol Ultra）
├─ 问题形式化 Agent × 4
│  将猜想转化为多个等价的数学表述
├─ 引理搜索 Agent × 16
│  在已知定理库中搜索可用的引理和工具
├─ 路径探索 Agent × 32
│  每条可能的证明路径由一个子Agent独立探索
├─ 验证 Agent × 8
│  对每个候选证明进行形式化验证
└─ 综合 Agent × 4
   将通过的片段拼成完整证明

3.2 为什么并行是关键的？

数学证明本质上是一个搜索问题——在巨量的推理路径中找到一条通向结论的路。

人类数学家一次只能探索一条路径。Sol Ultra 同时探索 32 条，而且 8 个验证 Agent 实时过滤掉死胡同。

人类: 试一条路 → 死胡同 → 回溯 → 试另一条 → ... → 50年
Sol:  32条路同时试 → 8个验证器实时反馈 → 1小时

四、这对 AI 科研意味着什么？

但有三点需要冷静

1. 证明尚未经过同行评审。 OpenAI 内部验证了证明的正确性，但数学界需要独立审核。历史上 AI 生成的"证明"被推翻的先例很多。

2. 这是"搜索+验证"，不是"理解"。 Sol Ultra 解决这个问题的方式是海量搜索 + 并行尝试验证。它不"理解"图论——这和人类的数学洞察有本质区别。

3. 循环双覆盖猜想是一个"搜索友好型"问题。 它的难点在于搜索空间太大，而不是需要全新的数学工具。这意味着 Sol Ultra 的方法不一定适用于所有数学难题。

五、子智能体架构的技术要点

# Sol Ultra 子智能体调度的简化模型
class SolUltraArchitecture:
    def solve(self, problem: str) -> Proof:
        # 1. 问题分解：将猜想转化为多个等价的子问题
        formulations = self.decompose(problem, num_agents=4)

        # 2. 知识检索：搜索相关定理和引理
        lemmas = self.search_lemmas(formulations, num_agents=16)

        # 3. 并行探索：32个Agent同时探索不同的证明路径
        candidates = self.explore_paths(lemmas, num_agents=32)

        # 4. 实时验证：8个验证器过滤无效路径
        valid = self.verify(candidates, num_agents=8)

        # 5. 综合输出：4个综合Agent拼接完整证明
        proof = self.synthesize(valid, num_agents=4)

        return proof

六、总结

GPT-5.6 Sol Ultra 证明 50 年数学猜想，核心突破不是"模型更聪明了"，而是 "并行子智能体 + 搜索 + 验证"这套架构让 AI 能做以前做不了的事。

单个 LLM 解决不了这个猜想。64 个 LLM 协作就能。这不是量变，是质变。

对开发者的启示：不要只关注单个模型的性能。多 Agent 协作、并行搜索、实时验证——这些架构层的创新可能比模型本身的升级更重要。

如果觉得有用，欢迎 点赞 + 收藏 + 关注。持续追踪 AI 在各个领域的突破性应用。

🔜 下午：阶跃 Step Edge 端侧模型——手机 AI 的拐点来了