Zaledwie dzień po udostępnieniu przez OpenAI swojego najpotężniejszego modelu firma twierdzi, że system przedstawił kompletny dowód hipotezy podwójnego pokrycia cyklu — słynnego otwartego problemu w teorii grafów, który od mniej więcej pół wieku stawia opór matematykom.

Badacz OpenAI, Ethan Knight, ogłosił wynik 10 lipca 2026 r., publikując, że GPT-5.6 Sol Ultra „uzyskał dowód na 50-letnią hipotezę podwójnego pokrycia cyklu przy użyciu 64 podagentów w niecałą godzinę”. Twierdzenie szybko trafiło na szczyt Hacker News, wywołując setki komentarzy matematyków i inżynierów debatujących nad tym, czy dowód jest trafny.

Dla każdego, kto śledzi najnowsze osiągnięcia sztucznej inteligencji, wynik jest uderzającą demonstracją kierunku, w jakim zmierzają modele pionierskie, i przypomnieniem, że ich twierdzenia matematyczne nadal wymagają sprawdzania w staromodny sposób.

Co to jest hipoteza dotycząca podwójnego pokrycia cyklu?

Hipoteza ta opiera się na gałęzi matematyki zwanej teorią grafów. Mówiąc najprościej, zadaje zwodniczo proste pytanie: czy krawędzie dowolnego grafu „bez mostków” – takiego, który nie ma krawędzi, której usunięcie mogłoby go rozdzielić – zawsze można pokryć zbiorem cykli, tak że każda krawędź pojawia się dokładnie dwa razy?

Problem ten był stawiany niezależnie przez kilku matematyków na przestrzeni lat, w tym Paula Seymoura w 1979 r. i George'a Szekeresa w 1973 r., a jego wcześniejsze korzenie sięgały prac W. T. Tutte'a oraz Alana Itai i Michaela Rodeha. Pomimo prostego stwierdzenia stał się jednym z najbardziej znanych nierozwiązanych problemów w tej dziedzinie, a częściowe wyniki były znane tylko dla specjalnych klas grafów.

Zgodnie z opublikowanym dowodem OpenAI argument sprowadza problem do pozbawionych pętli wykresów sześciennych, a następnie opiera się na klasycznym wyniku — twierdzeniu o przepływie nigdzie zerowym w grupie F32 (odpowiednik twierdzenia Tutte'a o 8 przepływach) — i kluczowym kroku algebry liniowej, który przekształca etykietę krawędzi w strukturę potrzebną do podwójnego pokrycia cyklu. Artykuł ma tylko kilka stron i, jak zauważył jeden z komentatorów Hacker News, „nie wykorzystuje matematyki opracowanej w ciągu ostatnich 30 lat”.

Jak podszedł do tego GPT-5.6 Sol Ultra

Tym, co odróżnia ten wynik od zwykłych odpowiedzi chatbota, jest sposób wdrożenia modelu. GPT-5.6 Sol Ultra działał w trybie „multiagent v2” OpenAI, tworząc system składający się z maksymalnie 64 współpracujących subagentów, którzy równolegle badali różne strategie sprawdzania. OpenAI udostępniło pełny monit wraz z dowodem, oferując rzadkie spojrzenie na instrukcje wydane systemowi.

Podpowiedź poinstruowała model, aby „agresywnie i dynamicznie korzystał z multiagentu v2”, utrzymywał „zróżnicowany portfel podejść” oraz wdrażał agentów kontradyktoryjnych w celu kontrolowania wszelkich potencjalnych dowodów pod kątem typowych pułapek — takich jak zamknięte ścieżki udające cykle lub przypadkowe rozumowanie okrężne. Powiedział nawet systemowi, aby „poświęcił na to co najmniej 8 godzin, zanim w ogóle pomyśli o powrocie lub poddaniu się”, chociaż według doniesień ostatni przebieg trwał niecałą godzinę.

W sekcji „Oświadczenie o użyciu AI” w nocie próbnej OpenAI wyraźnie stwierdza: „Dowód w tej nocie wynika w całości z GPT 5.6 Sol Ultra i zapisów w Codexie (z GPT 5.6 Sol)”.

Nie wszyscy są jeszcze przekonani

Społeczność matematyczna zareagowała z mieszaniną podekscytowania i ostrożności – i ten sceptycyzm jest słuszny. W chwili publikacji dowód nie został formalnie zweryfikowany za pomocą asystenta dowodu, takiego jak Lean, ani nie przeszedł tradycyjnej oceny wzajemnej.

W serwisie Hacker News kilku komentatorów zauważyło, że krótkie, eleganckie dowody znanych przypuszczeń zasługują na szczególnie uważną analizę. „To bardzo krótki dowód, który nie wykorzystuje matematyki opracowanej w ciągu ostatnich 30 lat” – napisał jeden z użytkowników. „Co niekoniecznie oznacza, że ​​jest to błędne założenie, ale wobec braku mechanizacji Lean i właściwej wzajemnej oceny uważam, że publikowanie tego jest przedwczesne”.

Inni zwracali uwagę, że wiodące biblioteki dowodów formalnych teorii grafów nie są jeszcze wystarczająco dojrzałe, aby sprawdzać tego rodzaju wyniki na poziomie badawczym, co oznacza, że ​​weryfikacja może zostać przeprowadzona przez ekspertów-ludzi, którzy czytają argumenty wiersz po wierszu. Samo OpenAI ujęło to ogłoszenie w ramach szerszego schematu: „Więcej obliczeń w czasie testów prowadzi do większej inteligencji” – stwierdziła firma, sygnalizując, że podejście wieloagentowe – a nie ten pojedynczy wynik – to prawdziwa historia, którą chce opowiedzieć.

Dlaczego to ma znaczenie

Nawet jeśli dowód cyklu Double Cover ostatecznie będzie wymagał korekty, odcinek ten sygnalizuje znaczącą zmianę w możliwościach dużych modeli językowych w czystej matematyce. Frontierowe systemy sztucznej inteligencji już wcześniej zapewniały nowatorskie wyniki badań w wyspecjalizowanych dziedzinach – w tym inne niedawne twierdzenia o rozwiązanych problemach z geometrii i kombinatoryki – ale atakowanie nazwanych, sprzed kilkudziesięciu lat hipotez za pomocą skoordynowanego roju czynników rozumujących znacznie podnosi poprzeczkę.

Dla badaczy korzyści są dwojakie. Po pierwsze, przepis wieloagentowy – wiele niezależnych prób, krzyżowe zapylanie pomysłów i kontradyktoryjny audyt – wydaje się być naprawdę przydatnym szablonem do rozwiązywania trudnych problemów. Po drugie, wąskim gardłem weryfikacji są teraz wyłącznie ludzie: model może generować potencjalne dowody szybciej, niż społeczność może je sprawdzić.

To napięcie prawdopodobnie określi kolejny etap matematyki wspomaganej sztuczną inteligencją. Jak ujął to jeden z komentatorów, jeśli ten dowód się potwierdzi, „ktoś zaraz zacznie sporządzać listę” innych długotrwałych problemów, które należy rzucić na następną generację modeli.

Na razie matematycy będą uważnie czytać trzystronicową notatkę – z ołówkiem w dłoni – podczas gdy reszta branży AI będzie obserwować, czy godzinny wysiłek GPT-5.6 stanie się częścią trwałego zapisu matematycznego.

Wyprzedź sztuczną inteligencję

Więcej informacji na temat przełomowych modeli pionierskich i zasięgu badań nad sztuczną inteligencją można znaleźć na stronie głównej AI Buzz Wire.

Przeczytaj więcej aktualności o sztucznej inteligencji →