GPT-5.6 Sol Ultra von OpenAI liefert den Beweis der 50 Jahre alten Zyklus-Doppelabdeckungsvermutung

Nur einen Tag, nachdem OpenAI sein leistungsstärkstes Modell allgemein verfügbar gemacht hat, gibt das Unternehmen an, dass das System einen vollständigen Beweis der Cycle Double Cover-Vermutung erbracht hat – ein gefeiertes offenes Problem in der Graphentheorie, das sich Mathematikern seit etwa einem halben Jahrhundert widersetzt.

Der OpenAI-Forscher Ethan Knight gab das Ergebnis am 10. Juli 2026 bekannt und veröffentlichte, dass GPT-5.6 Sol Ultra „einen Beweis der 50 Jahre alten Cycle Double Cover-Vermutung mit 64 Subagenten in knapp einer Stunde erbracht hat.“ Die Behauptung gelangte schnell an die Spitze der Hacker News und zog Hunderte von Kommentaren von Mathematikern und Ingenieuren nach sich, die darüber debattierten, ob der Beweis Bestand hat.

Für jeden, der die neuesten KI-Entwicklungen verfolgt, ist das Ergebnis eine eindrucksvolle Demonstration, wohin sich Grenzmodelle entwickeln – und eine Erinnerung daran, dass ihre mathematischen Behauptungen immer noch auf altmodische Weise überprüft werden müssen.

Was ist die Cycle-Double-Cover-Vermutung?

Die Vermutung gehört zu einem Zweig der Mathematik, der Graphentheorie genannt wird. Im Klartext stellt es eine täuschend einfache Frage: Können die Kanten eines „brückenlosen“ Graphen – eines ohne Kante, deren Entfernung ihn aufspalten würde – immer von einer Sammlung von Zyklen abgedeckt werden, sodass jede einzelne Kante genau zweimal vorkommt?

Das Problem wurde im Laufe der Jahre unabhängig voneinander von mehreren Mathematikern gestellt, darunter Paul Seymour im Jahr 1979 und George Szekeres im Jahr 1973, mit früheren Wurzeln in Arbeiten von W. T. Tutte sowie von Alon Itai und Michael Rodeh. Trotz seiner einfachen Aussage wurde es zu einem der bekanntesten ungelösten Probleme auf diesem Gebiet, und Teilergebnisse waren nur für spezielle Graphenklassen bekannt.

Laut der von OpenAI veröffentlichten Beweisnotiz reduziert das Argument das Problem auf schleifenlose kubische Graphen und stützt sich dann auf ein klassisches Ergebnis – den Nirgendwo-Null-Flusssatz über die Gruppe F32 (entspricht dem 8-Fluss-Theorem von Tutte) – und einen wichtigen Schritt der linearen Algebra, der eine Kantenbeschriftung in die Struktur umwandelt, die für eine Zyklus-Doppelabdeckung erforderlich ist. Der Artikel ist nur wenige Seiten lang und verwendet insbesondere „keine Mathematik, die in den letzten 30 Jahren entwickelt wurde“, wie ein Kommentator von Hacker News feststellte.

Wie GPT-5.6 Sol Ultra es angegangen ist

Was dieses Ergebnis von gewöhnlichen Chatbot-Antworten unterscheidet, ist die Art und Weise, wie das Modell eingesetzt wurde. GPT-5.6 Sol Ultra lief im „Multiagent v2“-Modus von OpenAI und baute ein System von bis zu 64 kooperierenden Subagenten auf, die parallel verschiedene Beweisstrategien erkundeten. OpenAI veröffentlichte neben dem Beweis auch die vollständige Eingabeaufforderung und gewährte einen seltenen Einblick in die dem System erteilten Anweisungen.

Die Eingabeaufforderung wies das Modell an, „Multiagent v2 aggressiv und dynamisch zu nutzen“, ein „vielfältiges Portfolio an Ansätzen“ beizubehalten und kontradiktorische Agenten einzusetzen, um jeden Kandidatenbeweis auf häufige Fallstricke zu prüfen – wie etwa geschlossene Pfade, die sich als Zyklen tarnen, oder versehentliches Zirkelschlussfolgern. Das System wurde sogar angewiesen, „mindestens 8 Stunden damit zu verbringen, bevor man auch nur daran denkt, zurückzukehren oder aufzugeben“, obwohl der letzte Durchlauf Berichten zufolge in weniger als einer Stunde abgeschlossen war.

Im Abschnitt „Erklärung zur KI-Nutzung“ der Proof Note macht OpenAI deutlich: „Der Beweis in dieser Note ist vollständig auf GPT 5.6 Sol Ultra und die Zuschreibung mit Codex (mit GPT 5.6 Sol) zurückzuführen.“

Noch sind nicht alle überzeugt

Die mathematische Gemeinschaft hat mit einer Mischung aus Aufregung und Vorsicht reagiert – und diese Skepsis ist berechtigt. Zum Zeitpunkt der Veröffentlichung wurde der Beweis weder offiziell in einem Korrekturassistenten wie Lean verifiziert, noch hat er die traditionelle Begutachtung durch Fachkollegen bestanden.

Auf Hacker News bemerkten mehrere Kommentatoren, dass kurze, elegante Beweise berühmter Vermutungen eine besonders sorgfältige Prüfung verdienen. „Es ist ein sehr kurzer Beweis, der keine in den letzten 30 Jahren entwickelte Mathematik verwendet“, schrieb ein Benutzer. „Das heißt zwar nicht unbedingt, dass es falsch ist, aber da Lean nicht mechanisiert ist und kein ordnungsgemäßes Peer-Review stattfindet, halte ich es für verfrüht, dies zu veröffentlichen.“

Andere wiesen darauf hin, dass die führenden formalen Beweisbibliotheken der Graphentheorie noch nicht ausgereift genug seien, um Forschungsergebnisse dieser Art zu überprüfen, was bedeutet, dass die Überprüfung möglicherweise von menschlichen Experten erfolgen muss, die das Argument Zeile für Zeile lesen. OpenAI selbst stellte die Ankündigung als Teil eines umfassenderen Musters dar: „Mehr Testzeitberechnung führt zu größerer Intelligenz“, sagte das Unternehmen und signalisierte damit, dass der Multiagenten-Ansatz – und nicht dieses einzelne Ergebnis – die wahre Geschichte ist, die es erzählen möchte.

Warum es wichtig ist

Auch wenn der Cycle-Double-Cover-Beweis letztendlich einer Korrektur bedarf, signalisiert die Episode eine bedeutungsvolle Veränderung dessen, was große Sprachmodelle in der reinen Mathematik leisten können. Frontier-KI-Systeme haben bereits in der Vergangenheit zu neuartigen Forschungsergebnissen in speziellen Bereichen geführt – darunter auch zu anderen neueren Behauptungen über gelöste Probleme in der Geometrie und Kombinatorik –, aber der Angriff auf eine benannte, jahrzehntealte Vermutung mit einem koordinierten Schwarm von Argumentationsagenten legt die Messlatte erheblich höher.

Für Forscher gibt es zwei Erkenntnisse. Erstens scheint das Multiagentenrezept – viele unabhängige Versuche, gegenseitige Befruchtung von Ideen und kontradiktorische Prüfung – eine wirklich nützliche Vorlage für die Lösung schwieriger Probleme zu sein. Zweitens liegt der Verifizierungsengpass jetzt direkt beim Menschen: Das Modell kann Kandidatennachweise schneller generieren, als die Community sie prüfen kann.

Diese Spannung dürfte die nächste Phase der KI-gestützten Mathematik bestimmen. Wie ein Kommentator es ausdrückte: Wenn dieser Beweis Bestand hat, „ist jemand dabei, eine Liste anderer seit langem bestehender Probleme zu erstellen“, die der nächsten Modellgeneration aufgeworfen werden sollen.

Vorerst werden die Mathematiker die dreiseitige Notiz sorgfältig lesen – mit dem Bleistift in der Hand –, während der Rest der KI-Branche zusieht, ob die einstündige Arbeit von GPT-5.6 Teil der dauerhaften mathematischen Aufzeichnung wird.

Bleiben Sie der KI immer einen Schritt voraus

Weitere Informationen zu Durchbrüchen bei Grenzmodellen und zur Berichterstattung über die KI-Forschung finden Sie auf der AI Buzz Wire-Homepage.

Lesen Sie weitere KI-Neuigkeiten →