GPT-5.6一小时解开50年数学猜想，700词Prompt驾驭64个子Agent
速览
GPT-5.6通过700词提示词调度64个智能体协同工作，仅用一小时就破解了一个困扰数学界50年的猜想。该成果展示了多智能体协作与大型语言模型在科学推理上的巨大潜力。这项突破不仅验证了新一代模型更强的任务分解与执行能力，也可能加速数学、物理等基础科学的研究范式变革。
AI 深度解读
背景
2026年7月9日，OpenAI研究员Ethan Knight宣布，其最新模型GPT-5.6（版本Sol Ultra）在不到一小时内完成了一道存在半个世纪之久的图论猜想证明——循环双覆盖猜想（Cycle Double Cover Conjecture）。这一猜想由Tutte、Itai与Rodeh、George Szekeres、Paul Seymour等数学家在上世纪陆续提出，长期被视为图论中最重要的开放问题之一。与此同时，OpenAI还公布了完整的Prompt文本，展示了如何驾驭这种“神话级”大模型完成复杂科学推理任务。
此前，OpenAI的Noam Brown（o1核心贡献者）曾参与解决Erdős单位距离问题，但彼时依赖内部特供模型。而本次GPT-5.6 Sol Ultra使用的是公开可用的模型版本，且通过64个子Agent并行计算大幅压缩了推理时间——原本可能需要一天证明的任务被压缩至一小时以内。
核心内容
循环双覆盖猜想的本质是：给定一张由点和线组成的图（无自环、无桥、有限），能否找出一批首尾相接的“圈”，使得图中的每一条边恰好被这些圈经过两次？所谓“桥”是指一条边，移除后会将原图分割为两个不连通的部分；只有无桥图才可能满足条件。虽然每一条无桥图中的边至少属于某个圈，但难点在于让所有圈在整张图上协调一致：既不能漏掉任何边，也不能让任何边被覆盖超过两次。
GPT-5.6没有直接在图中寻找圈，而是将问题转化为一个有限域上的边标号问题，再借助线性代数证明这些标号一定能在整张图上拼合。证明大致分为四步：
- 归约到三次图：将一般图归约为每个顶点恰好连接三条边的三次图。若能证明三次图的情况，原问题自动得证。
- 利用无处为零的8流定理：给每条边赋予一个非零的“三位二进制标签”，并确保在每个顶点处，相邻三条边的标签彼此抵消（即三者和为零）。
- 标签扩展：将每条边的一个标签扩展为两个标签，使得每个标签在图的每个顶点附近要么完全不出现，要么恰好出现两次。这样，拥有相同标签的边自然首尾相接组成若干圈，而每条边恰好拥有两个标签，自动属于两个圈。
- 全局一致性：将标签在整张图上统一的问题转化为线性方程组，利用对偶空间和奇偶性证明该方程组必有解。于是所有局部标号可拼成全局方案，圈自动“长出来”。
核心思路是将图论的复杂结构问题转化为线性代数可解的全局一致性问题。GPT-5.6在解题过程中使用了64个子Agent并行搜索，并设置对抗性Agent进行独立审查，最终生成一份三页的PDF证明文件。OpenAI同时公开了用于指导模型完成该任务的完整Prompt（约700个英文字符）。
关键要点
- 不规定固定解法，只定义验收标准：Prompt没有告诉模型“第一步做什么、第二步做什么”，而是反复强调最终结果必须满足的条件（每个有限、无桥、无自环的多重图都存在循环双覆盖），并明确禁止通过添加额外假设（如只证明平面图、三次图或连通图）来“绕道”解决问题。
- 一次性说清定义、范围和边界条件：在正式提问前，Prompt花了很大篇幅定义“图”“桥”“圈”“圈双覆盖”，并特别澄清平行边是否允许、两条平行边能否组成一个圈、不连通图和无边图如何处理等歧义点。关键要求是——圈不必是诱导圈，也不必彼此边不相交，唯一条件是每条边恰好出现两次。
- 列出“什么不算答案”：除了告诉模型什么是正确的结果，Prompt还专门列出了看似接近但实际上不满足要求的成果，例如只证明某些特殊图类、构造了覆盖但部分边出现次数不是两次等。这种“负面清单”有效地引导了模型避免常见错误方向。
- 动态搜索与独立审查：模型被要求调用最多64个子Agent，但并非固定分工。而是先建立多样化的方法组合，根据每条路线的实际进展动态调整资源分配：如果大量Agent集中到同一种方法，则重新分配一部分去探索未尝试的方向；如果某条路线卡在和原问题难度相当的引理上，则标记为“受阻”，除非出现新机制否则不再堆算力。同时，设置对抗性Agent专门负责检查候选证明是否偷换定义、漏掉边界情况或错误地把闭合路径当作圈。每个子Agent返回时必须附上具体引理、方程、构造或反例，不能只汇报“有进展”。
- 生成与检查分离：不要求同一个Agent既提出方案又给自己的方案打分，而是安排专门的角色找漏洞，避免集体收敛到同一错误。
意义与影响
GPT-5.6在不到一小时内解开半个世纪的图论难题，再次推高了前沿AI模型的数学推理天花板。与以往依赖内部特供模型或人工后处理的案例不同，本次完全依靠公开可用的模型版本，且展示了大规模并行子Agent架构对复杂推理任务的速度提升（从一天到一小时）。这标志着AI在数学领域已从“辅助工具”向“独立研究者”迈出了实质性一步。
更为重要的是，OpenAI公开了完整的Prompt策略。这些策略——不规定SOP、清晰定义验收标准和失败标准、动态搜索、设置对抗性审查——为整个AI社区提供了一套可复用的“神话级模型驾驭宝典”。它证明：当任务的路径未知时，与其给模型预设一套可能错误的步骤，不如写一份“任务合同”——把终点、边界、失败条件和审查机制全部写清楚。这对未来AI在科学研究、代码生成、复杂决策等领域的应用具有示范意义。
当然，该成果也引发了学术界的讨论：一方面，AI自主完成数学证明可能加速基础数学的进展；另一方面，这种“黑箱式”的证明过程是否可验证、是否真的具备人类意义上的“理解”，仍是需要持续关注的问题。无论如何，GPT-5.6的这次表现，连同其公开的Prompt方法论，都将成为AI发展史上的一个标志性节点。