如果有人告诉你，一个困扰了全世界最聪明头脑半个世纪的问题，被一段代码在不到一顿饭的时间里解决了，你会怎么反应？
7月10日，OpenAI通过其Codex工程负责人Thibault Sottiaux在X上宣布，GPT-5.6 Sol Ultra，该家族最顶级的模型，在不到1小时内独立完成了“循环双覆盖猜想”（Cycle Double Cover Conjecture）的完整证明。证明PDF已发布至OpenAI CDN，同时公开的还有模型使用的完整提示词。
循环双覆盖猜想由Szekeres于1973年、Seymour于1979年独立提出，是图论领域最著名的未解决问题之一，位列维基百科“数学未解决问题”名单。其表述出奇地简单：每一个无桥图（bridgeless graph）是否存在一组环的集合，使得每条边恰好被覆盖两次？简单到任何一个学过图论的人都能理解，却难到五十年无人能解。
过去半个世纪里，数学家们积累了大量的部分结果。Jaeger在1975年证明，任何循环双覆盖猜想的最小反例必然是snark，一种特殊的不可3-边着色的三次图。Seymour本人后来提出了强大的6-流定理，Kilpatrick与Jaeger独立证明的8-流定理则提供了图上的流与圈覆盖之间的桥梁。但完整的证明始终像地平线一样，看得到，走不到。
现在，Sol Ultra宣称它走到了。
但问题在于：没有人能确认它是否真的走到了。
一个模型如何“证明”一个猜想
OpenAI同时公开了证明PDF和提示词，让外界得以一窥Sol Ultra的工作方式。模型，或者说在Sol Ultra“Ultra”模式下协同工作的64个并行子智能体，采用了一条清晰但精巧的路径。
首先，它将问题归约到三次图（cubic graph）的特殊情形。这是图论中的标准技巧。三次图是每个顶点度数恰好为3的图，而snark正是循环双覆盖猜想最棘手的障碍。Jaeger早在1975年就证明，任何循环双覆盖猜想的最小反例必然是一个snark。Sol Ultra的证明从这一点切入，利用8-流定理和Tutte的一个经典结果，建立了一个以Γ = F₃₂（即3²个元素的域，通常写作GF(9)）中非零元素为值的边标号系统，使得每个顶点处的标号和为零。然后，证明将这个标号系统塑造成了一个循环双覆盖结构。
整个证明过程在离线环境下运行，模型没有访问外部文献或互联网。64个子智能体各自承担不同的子任务，通过Ultra模式的协作机制进行通信和整合。OpenAI发布的提示词中包含一个耐人寻味的指令：“假设在此任务中，一个完整的肯定性证明是存在的”以及“在考虑返回或放弃之前，至少花8小时在这上面”。
这个“假设存在”的策略，本质上是一种对抗搜索空间过早坍缩的保护机制。它告诉模型不要花时间去怀疑“能不能证明”，而是直接去“找证明”。最终，Sol Ultra在不到1小时内就完成了任务，远低于提示词中设定的8小时底线。
验证之困：AI证明了一个定理，但谁来证明AI是对的
这正是整个事件最微妙的地方。
在传统数学中，一篇论文的发表意味着它经过了同行评审，至少2到3位该领域的专家逐行检查了证明逻辑，确认没有漏洞。对于重大猜想，这个过程可能持续数月甚至数年。
但Sol Ultra的证明，目前没有任何人验证过。
OpenAI发布了证明PDF，但PDF本身是AI生成的文本，没有经过任何形式化验证工具的检查。在Hacker News的讨论中，多位数学背景的评论者提到了Lean，一个用于形式化数学证明的交互式定理证明器。如果证明能在Lean中编码并通过编译器的检查，它的正确性就有了机械层面的保证。
但问题在于：Lean目前还不支持高级图论。
“目前没有一个成熟的证明系统能够处理高级图论。Lean中领先的图论库是Graphlib，它远未准备好处理研究级定理。”
这意味着，即使数学界想用自动化工具验证Sol Ultra的证明，工具本身也不具备这个能力。
这是一个罕见的困境：AI的能力已经超出了我们验证AI的能力。
更让数学家感到不安的是，Sol Ultra的证明是“离线”完成的，没有引用任何文献，没有参考过去几十年的部分结果。在人类数学中，一个证明的成立不仅依赖于逻辑链条的正确性，还依赖于它如何与已有的知识体系对接。一个完全脱离文献的证明，即便逻辑自洽，也面临“孤岛”风险。它可能用了一些数学家不熟悉的术语系统，或者在某些关键步骤中隐含了未被明确定义的假设。
在数学界，已经有敏锐的观察者注意到证明PDF中一个值得推敲的细节：证明声称Γ = F₃₂“具有特征2”，但F₃₂（即GF(9)）的特征实际上是3，而非2。这个矛盾可能仅仅是排版或表述上的疏忽，也可能指向一个更深的数学问题。它是否意味着模型将“8-流”与“F₃₂的加法群”之间的等价关系理解错了？数学界正在等待答案。
从“做题家”到“解题者”：AI的数学进化之路
这并非AI第一次在数学领域引发震动。但此前的每一次，AI扮演的都是“助手”角色。
2024年，Google DeepMind的AlphaProof和AlphaGeometry在IMO中获得了银牌级别的成绩，能解决高中难度的竞赛几何题。2025年，GPT-5.5和Claude Mythos开始可靠地解决大学水平的竞赛数学问题。2026年初，一个LLM被报道解决了Erdos问题90，一个同样在数学界流传多年的未解决问题。
但循环双覆盖猜想的分量完全不同。
Erdos问题90虽然也是“开放问题”，但它的知名度更多局限在组合几何的小圈子内。而循环双覆盖猜想是图论教科书中会专门列一节讲“未解决问题”的经典案例，与四色定理、哈密顿环问题等有深层的理论联系。它出现在维基百科的“数学未解决问题”列表中。据Hacker News上的评论者观察，这是第一个被LLM解决、且知名度达到这个级别的问题。
此次Sol Ultra的证明，还展示了OpenAI模型从“做题家”到“解题者”的进化。在标准基准测试中，GPT-5.6 Sol在编码和数学推理上的表现已经超越了此前的所有模型。Axios报道称，早期测试者称赞Sol在“困难编码和数学任务”上的卓越表现，Sam Altman甚至提前暗示模型发现了“新数学”。
但“在基准测试中得分高”和“解决了一个五十年未解决的猜想”之间，存在着从量变到质变的跨越。前者是“刷题”，后者是“发现”。
AI定价的“新数学”：一个产品叙事的机会窗口
Sol Ultra的证明在数学界引发了严肃讨论，但在商业层面，它为OpenAI带来了一个近乎完美的产品叙事窗口。
7月9日，GPT-5.6家族正式发布，包括旗舰Sol、平衡型Terra和轻量级Luna三款模型。此次发布筹谋已久：美国商务部在审核后批准了广泛投放，而就在几天前，主要竞争对手Anthropic刚刚发布了广受好评的Fable 5。AI军备竞赛正处于白热化阶段。
在这样的竞争格局下，“AI破解五十年数学难题”的故事比任何基准测试数据都更有传播力。CNBC的报道中，Sam Altman强调Sol在token效率上比竞品高出54%，但“破解五十年难题”的叙事显然更能打动公众、吸引开发者、巩固品牌形象。Sol Ultra的Proof模式甚至被一些评论者称为“数学界的AlphaGo时刻”。虽然AlphaGo击败李世石是2016年，而AI在数学领域走到这一步用了整整十年。
这意味着什么
如果Sol Ultra的证明被验证为正确，那么它将是一个分水岭时刻，不是AI辅助数学的里程碑，而是AI独立从事数学研究的转折点。一个不需要人类指导、不需要文献参考、不需要同行监督的“机器数学家”，第一次在真正的数学难题上留下了自己的名字。
如果证明被发现有错误，它仍然是有意义的。它展示了AI在数学推理能力上的极限，以及当前评估体系的盲区。Sol Ultra可能已经接近了数学发现的边界，但尚未跨过那道门槛。
但最令人不安的，可能是第三种情况：这个证明既无法被证实也无法被证伪。不是因为数学界不够努力，而是因为验证工具本身还没有准备好。
对于数学界来说，这是一个“房间里的大象”级别的拷问。Kevin Buzzard正在伦敦领导一个为期五年的项目，试图将怀尔斯证明费马大定理的100页论文翻译成Lean代码。这个项目的一个核心假设是：AI可以帮助人类完成形式化编码的“重活”。但Sol Ultra的事件表明，AI可能已经走在了形式化验证的前面。它产生的定理，形式化工具根本接不住。
对于OpenAI而言，Sol Ultra的证明是一次精心策划的“实力展示”。在GPT-5.6发布的关键窗口期，在Anthropic Fable 5的紧追下，一个“AI破解数学难题”的故事比任何基准测试数据都更有说服力。
对于整个AI行业而言，这标志着大模型竞赛从“谁的模型更大”转向“谁的模型更聪明”。而“聪明”的定义，正在从“刷榜”变成“真正的发现”。
Sol Ultra把一个证明放在了互联网上，等待着被验证。但真正被考验的，或许不是这个证明本身，而是人类面对一个“能证明我们无法证明的东西”的智能时，该如何重建信任的秩序。
AI一个小时写出来的答案，可能需要人类十年才能确认它是对是错。
快报