1973年，数学家Szekeres提出了一个猜想。
这个猜想听起来简单到小学生都能听懂——
想象你是一个快递站调度员。你负责一片区域，这里的路网没有死胡同（数学上叫「桥」）。你的任务是：设计一套巡逻路线，让每条路恰好被经过两次，不多不少。
问题是：这样的路线一定存在吗？
Szekeres觉得存在。但他证明不了。
后来的50年里，Seymour碰过，Tutte碰过，一代又一代图论大佬碰过。没人能完整证明。
2026年7月10日，OpenAI扔出了一份三页纸的预印本。证明完成了。
不是人做的。
是GPT-5.6 Sol Ultra，带着64个子智能体，花了一个小时。
先别急着说「AI不早就会做数学了吗」。
确实，之前的模型已经秒过IMO竞赛题、帮数学家验证过定理。但这次不一样——这是AI第一次独立解决一个被正式列入「未解决数学问题」列表的重大猜想。
不是辅助验证。不是人类给思路、AI执行。
是人类只写了700个英文词的提示词，剩下的AI自己来。
而且它还自己给自己配了个「挑刺团队」。
这次OpenAI放出的细节，比结果本身更好看。
研究员把GPT-5.6 Sol开到Ultra模式，然后GPT自己调用了64个并行子智能体。这些智能体分工不是人类规定的——没有「你算这个、我算那个」的固定安排。
它们动态搜索、自主分配。
最骚的是，这里面专门安排了一个「对抗智能体」（adversarial agent），唯一的工作就是找漏洞。
相当于让64个人同时干活，其中一个人专门负责说「你这个不对」「那个有bug」「这条逻辑走不通」。
然后它在一个小时里搞定了一切。OpenAI原本预留了8小时。
证明只有三页纸。用到的数学工具，没有一样是1985年以后发明的。
换句话说，它用的都是人类数学家50年前就有的武器——只是没人想到这样组装。
这个猜想叫「循环双覆盖猜想」（Cycle Double Cover Conjecture）。
它最难的地方，是一类叫snark的特殊图。Snark图有三个特征：每个路口恰好连着三条路，整个路网连成一片没有死胡同，而且——最关键的一条——你没法用三种颜色给它染色。
如果你能三染色整个路网，那证明就很简单：每种颜色组合自然形成一组回路，每条边恰好被两个颜色覆盖，完了。
但snark就是那个「三染色搞不定」的顽固分子。
GPT-5.6的思路很妙：它不去直接找回路，而是先给每条边贴标签。每条边贴两个标签，每个标签对应一种颜色组合。然后它用线性代数证明——不管你从哪个顶点出发，相邻两条边上的标签一定互相一致。
于是，所有贴相同标签的边自动连成回路。每条边刚好两个标签，刚好两个回路。
它把一道图论难题，变成了一道线性代数题。
这种思路人类能不能想出来？也许能。但50年了，没人想到。
Noam Brown——就是那个o1模型的核心贡献者，在韩国开ICML的时候看到这个消息，隔着太平洋第一时间赶来评论。
他说了一句话特别关键：这次跟之前用内部特供模型做Erdős问题不一样，用的是公开可用的GPT-5.6 Sol Ultra。
不是实验室里的定制版。是你我都能调用的版本。
这才是真正让人头皮发麻的地方。
但话说得说回来，这份证明还没经过同行评审。
数学界的反应很谨慎。有数学家评价说证明「简洁、基础」，但也指出AI生成的论文普遍不引用已有文献——你看完会觉得很顺畅，但不知道它参考了什么、借鉴了谁。
图论专家预计将在未来几周内严格审查这份证明。
如果通过，这将是大型语言模型首次独立解决一个真正的未解数学难题。
不过审查能不能通过，还有待观察。
更有意思的，是OpenAI这次顺手把完整Prompt公开了。
700个英文词，写得像一本给超级AI看的用户手册。我读完最大的感受是：它不是在教模型怎么做，而是在教模型什么叫「做完」。
比如它不写「第一步分析问题，第二步提出方案，第三步验证」这种SOP。因为它知道——面对一个50年没人解出的题，你事先写的解题步骤大概率是错的。
它写的是：什么样子算证明完成、什么样子不算。定义、范围、边界情况，提前一次性说清。适当重复核心目标，防止模型在长链推理中跑偏。不只说要什么答案，还要说清楚什么算不上答案。要有独立审查机制。
这套prompt风格，被圈内人称作「神话级模型驾驭术」。
说白了就是：不要教一个比你聪明的人怎么干活，你只需要告诉他——活干成什么样算数。
我在想，这件事到底是好事还是坏事。
从好的方面看：人类知识的边界确实被拓宽了。50年，不是5天、不是5个月。一代代学者最好的年华砸进去了，没人搞出来。现在AI用了1小时。
从坏的方面看：以后数学的最高荣誉，会不会颁给一段Prompt？菲尔兹奖得主会不会变成「最佳提示词工程师」？
但我觉得这个争议有点跑偏了。
真正重要的不是「证明是谁做的」，而是证明意味着什么。
循环双覆盖猜想悬了50年未被证明，说明它不是靠蛮力能解决的问题——不是算力不够、不是数据不够。是思维路径的问题。是「所有人都往同一个方向看」的问题。
AI的优势不在于它比人类聪明，而在于它没有路径依赖。
人类的数学训练是一代传一代的。每个人学的都是前人验证过的范式。这是文明的运转方式，但也是文明的盲区——当所有人都走同一条路，那条路的尽头可能就是死胡同。
AI没有被教过「这道题应该怎么做」。它只是被告诉了「什么叫解完」，然后它自己去试。
它试出来的路径，也许恰好是人类没走过的。
这不是人类被替代。这是人类的工具箱里多了一把扳手。
至于这把扳手拧开的下一颗螺丝是什么——我们等着看同行评审的结果吧。
最后的最后，聊点轻松的。
这份Prompt里有一个细节我特别喜欢：OpenAI禁止模型联网搜索。
就是说，AI做这道题的时候，不能临时去翻维基百科、不能搜索相关论文。就靠你模型里已有的知识，给我把题解了。
这就像一个学生被关在考场里，没有手机、没有课本、没有小抄。老师给了题目，给了答题纸，说：「开始吧。」
然后这个学生在一个小时之后，交了三页纸。
老师看了看，说：「行，我们先找人批改一下。」
考场外面，全世界都在等着看分数。
读者留言
留言
还没有留言，欢迎抢沙发。