GPT-5.6 证明 50 年猜想，最值得抄的不是模型

OpenAI 给系统预留了 8 个小时的计算时间。

结果不到 1 小时，证明交卷了。

被证出来的题目叫循环双覆盖猜想（Cycle Double Cover Conjecture），图论领域的老悬案。数学家 George Szekeres 在 1973 年提出，Paul Seymour 在 1979 年又独立提了一遍，问的是任意一个无桥图（可以理解成没有那种一断就散架的脆弱边的网络），是不是总能找到一组环，让每条边都恰好被两个环盖住。听着挺朴素对吧，就是这么个朴素的问题，悬了 50 多年，无数人试过，全都没走到头。

7 月 10 日，OpenAI 宣布 GPT-5.6 Sol Ultra 生成了它的完整证明。研究员 Ethan Knight 在 X 上发了消息，证明连同用来生成证明的提示词一起打包成 PDF，挂在了公司的 CDN 上，IT 之家的报道里有比较完整的细节。

各家媒体的标题基本一个模子，AI 一小时干掉 50 年难题，数学家要失业了。这类惊叹稿你今天大概已经刷到三篇了，我就不凑第四篇。

我想聊的是那份被大多数报道一笔带过的东西。

提示词。

对，OpenAI 把整个 prompt 原文公开了。我的日常工作恰好就是给大模型搭这种脚手架，行话叫 harness，人话就是让模型真正能干活的那层工程，工具怎么给、任务怎么拆、结果怎么验、跑偏了怎么拉回来。所以别人看到的是跑分新闻，我看到的是一份写得相当漂亮的工程设计书。这份提示词里没有一句许愿式的「请证明这个猜想」，全是硬邦邦的执行规则。

拆开看看它都规定了什么。

头一条，最多同时调用 64 个并行子智能体。子智能体（subagent）这个词圈外朋友可能陌生，你就理解成把一个大任务拆给 64 个独立开工的模型实例，各自有各自的上下文和分工，好家伙，等于一夜之间拉起一个 64 人的数学研究组。

光人多没用，容易挤成一锅粥。所以第二条规则跟上，早期阶段必须保持研究路线多样性，不同的子智能体分别去试不同的数学表示方法、不同的代数思路、不同的结构归纳。翻译一下，不许 64 个人全挤在同一条看起来最顺的路上，前期宁可撒开了各走各的。

到这里还只能算「还行」，真正让我坐直了的是第三条。

提示词里专门安排了一批对抗智能体（Adversarial Agents）。这些角色不产出证明，唯一的任务就是把别人写出来的证明往死里撕，找漏洞、抠边界情况、揪潜在错误。评审和产出是两拨完全独立的脑子，谁也别想蒙混过关。

最后一层是验收标准，直接写死。拒绝只证明特殊情况，拒绝不完整的证明，必须通过对抗式验证、把常见的数学错误一个个查掉。还有一条挺妙的，全程禁止联网搜索资料。这条不只是防作弊，这个猜想历史上出过好多份号称完成的「证明」，arXiv 上前几年就有不少，后来陆续被发现有漏洞，有的干脆撤稿了。不许联网，等于把这些污染源全部隔离在外，逼着模型自己从头推。

看完这四层设计，我自己的感受是，这场胜利里模型当然是主力，但真正把 8 小时的预算压缩到 1 小时的，是这套编排。有点子牛逼的不只是 Sol Ultra 本身，是写这份提示词的人很清楚模型会在哪里偷懒、在哪里自嗨、在哪里需要一个专职泼冷水的同事。

证明本身反倒不神秘。公布的思路是先把原猜想归约成三次图问题（三次图，每个顶点恰好连三条边的图，图论里的标准化简手法），然后调用 8-流定理这个现成的重型工具，最后在 GF(3) 上做线性代数构造边标记。GF(3) 就是只有 0、1、2 三个元素的运算系统，加减乘除都在这三个数里打转，听着简陋，干这种活正合适。

曼彻斯特大学的数学家 Thomas Bloom 是最早公开点评的学者之一，他的评价是「这是一个非常漂亮的证明」，简洁、基础、用的方法并不复杂，如果当年有人想到这条路，上世纪 80 年代就可能做出来。

然后他说了一句我觉得比结果本身更值得贴在墙上的话。人类数学家通常会尝试一种自然的方法，失败了，很可能就放弃了。而 AI 不会气馁，会继续不断尝试各种细微变化。

AI 最大的优势不是提出全新的数学思想，是耐心。

64 路并行的耐心，配上一组专门找茬的对抗角色，再加一份不许走捷径的验收标准，耐心就变成了产能。这个组合拳里没有任何一环是玄学。

当然，冷水也得泼够。这份证明目前没有经过任何同行评审，把 PDF 传上自家 CDN 和在期刊上正式发表，是完全不同的两件事。Bloom 也指出了一个扎眼的问题，整篇证明没有引用任何已有文献，1983 年 Bermond、Jackson 和 Jaeger 那篇本该出现的经典论文，通篇找不到。加上这个猜想历史上假证明的前科，数学界现在的姿态是谨慎围观，等专业审查走完再说。这个保留态度我完全买账，你也应该买账。

但就算最后审查出个把需要修补的细节，我上面聊的那套编排的价值也一分不会少。因为同一天，GPT-5.6 系列还有另外两条信号，拼在一起看才完整。

一条来自医疗评测。Sam Altman 转发了团队的结果，执业医生在盲评里从 GPT-5.6 的回答里挑出的毛病，比从医生自己写的回答里挑出的还少。更狠的数字在 Karan Singhal 的原推里，GPT-5.6 家族最小的变体 Luna，在最低推理强度下的表现，超过了开满推理强度的上一代旗舰，成本只有二十五分之一。

1/25。你敢信。半年前你为一个任务支付的智能，现在打市场价的零头就能买到，而且是小杯装。

另一条来自开发者这边。GPT-5.6 Sol 开放没两天，就有人动手把它塞进别家的工具里。开发者 Tibo 发了个三步教程，用 CLIProxyAPI 这个开源代理把 Claude Code 的后端模型整个换成 GPT-5.6 Sol，装代理、连认证、设一个环境变量别名，完事。

有意思的是他那个别名里都配了什么。子智能体用什么模型、推理强度始终拉满、最大并发工具调用数开到多少。你看，一个普通开发者在折腾的配置项，跟 OpenAI 证明数学猜想那份提示词里的设计，关心的是同一类东西。没有一项是「哪个模型更聪明」，全是怎么编排。

把这三条信号串起来，这 24 小时讲的其实是同一个故事。智能的单价在跳水，模型的位置越来越像可插拔的零件，而把零件组织起来干成事的那层设计，价值在往上走。

顺着这个，我把那份提示词里的套路翻译成三个今天就能试的动作，不用等你拿到 Sol Ultra 的权限，手头的 Claude Code、Codex 或者随便哪个能开多会话的工具都能用。我自己也还在摸索，不敢说这就是标准答案，但方向我是信的。

第一个动作，多路开工再收敛。遇到不好啃的问题，一个棘手的 bug，一次纠结的接口设计，别再一条路问到黑。显式要求 AI 先给出三种思路，各自往下推演几步，再让它互相比较优劣。OpenAI 那条「早期保持路线多样性」的规则，平移过来就是这个。人容易在第一个看起来能跑的方案上一头扎到底，模型也一样，多样性得靠规则强制出来。

第二个动作，雇一个专职唱反调的。代码写完，别在同一个会话里问它写得对不对，它多半会礼貌地夸自己。新开一个会话，或者拉一个子智能体，提示词就一句，你的任务不是欣赏这段代码，是找出它会在哪种输入下翻车。产出和评审必须是两个脑子，这是那批对抗智能体教的。这事儿我也踩过坑，同一个上下文里让模型自查，它连自己三行前挖的坑都看不见。

第三个动作，验收标准写死在提示词里。拒绝部分解决，拒绝把测试 mock 掉蒙混过关，不许因为报错绕道。那份提示词里「拒绝仅证明特殊情况」这一条，搬到工程里就是「不许只修好我贴给你的那一个用例」。标准不写死，模型就会朝着让你高兴的方向糊弄，写死了，它反而老老实实把活干完。

怎么说呢，这三个动作没有一个需要新模型，需要的只是你把自己从「提问的人」挪到「设计流程的人」那个位置上。

回到开头那两个数字。预留 8 小时，1 小时交卷。省下来的 7 个小时不是模型突然开窍赏的，是有人提前把路修好了，岔路口立了牌子，关卡设了守卫，模型只管往前跑。

模型每半年换一代，今天的旗舰是明天的零头价，租来的东西都会贬值。编排的手艺不会，那是自己的家底。

风一年比一年大，比船速更要紧的，是你会不会挂帆。