Что произошло
Компания OpenAI сообщила, что её флагманская модель GPT-5.6 Sol Ultra за менее чем один час сгенерировала полное доказательство знаменитой математической гипотезы — Cycle Double Cover Conjecture. Эта задача из области теории графов оставалась нерешённой около пятидесяти лет. Модель использовала 64 субагента, работавших параллельно, и самостоятельно написала итоговую научную работу.
Что именно доказала модель
Речь идёт о Cycle Double Cover Conjecture — гипотезе о двойном циклическом покрытии. Если упростить: в любой сети из точек-вершин и соединяющих их линий-рёбер можно найти такой набор замкнутых маршрутов-циклов, что каждая линия будет использована ровно дважды — по одному разу в каждом направлении. Звучит абстрактно, но такие задачи имеют приложения в проектировании сетей, транспортной логистике и теории кодирования.
Формулировка была независимо предложена несколькими математиками в 1970-х годах. С тех пор появлялись частичные решения для отдельных классов графов, но общепринятого полного доказательства не было.
GPT-5.6 Sol Ultra действовала как исследовательская лаборатория. Часть агентов целенаправленно держали в неведении о том, какой подход сейчас наиболее перспективен — принцип, близкий к agentic AI-системам, — чтобы обеспечить независимость рассуждений. Другие агенты выступали в роли критиков: проверяли каждый кандидат на доказательство по списку типичных ошибок — например, не перепутан ли замкнутый путь с циклом, не создаёт ли редукция лишних «мостов» в графе. Модель отказывалась давать частичные результаты или сводки текущего состояния исследований — только завершённое доказательство.
Математик Томас Блум из Манчестерского университета оценил результат: по его словам, это «очень красивое доказательство» — короткое, элементарное и вполне могло быть найдено ещё в 1980-х. Оно не требует новых математических теорий, но умело комбинирует известные инструменты. При этом Блум указал на существенный недостаток: модель не сослалась ни на одну предшествующую работу и не учла уже известныеPartial results — что для научной публикации серьёзная проблема.
Почему это важно
До сих пор способность больших языковых моделей (LLM — large language model, языковая модель) решать математические задачи ограничивалась задачами, для которых уже были известны подходы. Генерация принципиально нового доказательства полувековой давности — качественный скачок. Это не просто ускоренный поиск по базе знаний: модель комбинировала существующие инструменты неожиданным образом.
Отдельно интересен метод верификации. OpenAI отвергала любые промежуточные результаты, сокращения к другим недоказанным гипотезам и обзоры состояния поля — пока доказательство не проходило полную проверку. Это ближе к научному методу, чем к типичному применению ИИ.
Что дальше
Открытым остаётся вопрос: создаёт ли ИИ действительно новое знание или всего лишь комбинирует существующее? Блум указал на отсутствие ссылок на предшествующие работы — модель не учла уже известные результаты. Тем не менее даже если это всего лишь мощная комбинация, способность делать это за час — сама по себе значительный факт. Математическое сообщество теперь должно проверить детали и решить, принимается ли доказательство.
Для рынка ИИ это аргумент в пользу того, что frontier-модели способны на задачи, которые считались уделом человеческого интеллекта. Остаётся вопрос цены и энергозатрат: 64 параллельных агента — это дорого. Как именно работают уровни рассуждений в GPT-5.6 Sol.
